scrapy使用

标签：app   org   raw   false   webkit   tar   spider   存储   yourself   

制作 Scrapy 爬虫 一共需要4步：

1. 新建项目 (scrapy startproject xxx)：新建一个新的爬虫项目
2. 明确目标 （编写items.py）：明确你想要抓取的目标
   1. 
3. 制作爬虫 （spiders/xxspider.py）：制作爬虫开始爬取网页
   1. 在spiders目录下，生成爬虫
   2. 编辑这个爬虫文件

   3.  

      记得修改settings.py文件 

      1. # Crawl responsibly by identifying yourself (and your website) on the user-agent
         USER_AGENT = ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36 Core/1.63.5514.400 QQBrowser/10.1.1660.400‘
         
         2
         # Obey robots.txt rules
         #不遵守机器人规则 有些它不让去的我们也要去
         ROBOTSTXT_OBEY = False
         
         3
         # See https://docs.scrapy.org/en/latest/topics/item-pipeline.html

         ITEM_PIPELINES = {
         ‘cls.pipelines.ClsPipeline‘: 300,
         }

   4.  

4. 存储内容 （pipelines.py）：设计管道存储爬取内容
   1. 往mongodb数据库存

scrapy使用

标签：app   org   raw   false   webkit   tar   spider   存储   yourself   

原文地址：https://www.cnblogs.com/zhibin123/p/12100922.html