标签：exec 内容 命令 port split() https images pac crawl
第一步仍然是创建scrapy项目与spider文件
切换到工作目录两条命令依次输入
scrapy startproject xunleidianying
scrapy genspider xunleiBT https://www.xl720.com/thunder/years/2019
打开目标网站（分类是2019年上映的电影），分析我们需要的数据
进入页面是列表的形式就像豆瓣电影一样，然后我们点进去具体页面看看
这个页面就是我们需要拿到的内容页面，我们来看我们需要哪些数据(某些数据从第一个页面就可以获得，但是下载地址必须到第二个页面)
电影名称
电影信息
电影内容剧情
电影下载地址
分析完成之后就可以首先编写 items.py文件
另外别忘了去settings.py中开启 ITEM_PIPELINES 选项
老样子，为了方便测试我们的爬虫，首先编写一个main.py的文件方便IDE调用
main.py：
import scrapy.cmdline
scrapy.cmdline.execute(‘scrapy crawl xunleiBT‘.split())
首先我们先测试直接向目标发送请求是否可以得到响应
爬虫文件 xunleiBT.py编写如下：
运行 main.py 看看会出现什么
好的，发现直接返回正常的网页也就是我们要的网页，说明该网站没有反爬机制，这样我们就更容易爬取了
然后通过xpath定位页面元素，具体就不再赘述，之前的scarpy教程中都有 继续编写爬虫文件
ITEM爬取完成后该干什么？当然是入库保存了，编写pipelines.py文件进行入库保存
再次提醒别忘了去settings.py中开启 ITEM_PIPELINES 选项
pipelines.py文件代码如下：
再次运行main.py 等待运行完成后打开数据库查询
数据保存完成，这次我们一共导入了380个数据，可以愉快的查看电影了
【PY】没有电影看？来教你用Python爬取电影天堂最新电影！
标签：exec 内容 命令 port split() https images pac crawl
原文地址：https://www.cnblogs.com/qingdeng123/p/11743065.html
