采集川大公管學(xué)院教師信息0529

一肌蜻、采集前準(zhǔn)備#

在采集之前谋旦,首先進(jìn)入四川大學(xué)公共管理學(xué)院的師資隊(duì)伍頁面查看頁面顯示結(jié)構(gòu)绊含,并用開發(fā)者工具“ctrl+shift+i”工具查看其代碼排列規(guī)則桑嘶,確定采集字段內(nèi)容。
基本思想是先在初始頁面采集姓名躬充、職稱逃顶、專業(yè)讨便、郵箱,然后通過采集的詳情頁面鏈接進(jìn)入詳情頁以政,并采集其基本簡歷霸褒,代表性研究成果,獲獎(jiǎng)情況盈蛮、科研項(xiàng)目废菱、人才培養(yǎng)。共10個(gè)字段抖誉。
過程的操作指導(dǎo)來源于scrapy的官方文檔以及老師同學(xué)的幫助殊轴。

二、新建scrapy項(xiàng)目#

首先新建一個(gè)scrapy項(xiàng)目袒炉,代碼如下:

cd venv
scrapy startproject teachersinfo

三旁理、編寫items.py文件#

然后編寫項(xiàng)目的items文件,在這個(gè)文件中定義將要采集的字段我磁。按照規(guī)定格式編寫之后孽文,這里的字段將直接用于后面步驟中的采集過程,且便于數(shù)據(jù)的傳遞十性。
代碼如下:

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy


class TeachersinfoItem(scrapy.Item):
    # 教師名字
    name = scrapy.Field()
    # 教師職稱
    title = scrapy.Field()
    # 教師院系
    major = scrapy.Field()
    # 教師郵箱
    mail = scrapy.Field()
    # 教師簡介
    resume = scrapy.Field()
    # 教師簡介
    achieve = scrapy.Field()
    # 教師代表性研究成果
    prize = scrapy.Field()
    # 教師獲獎(jiǎng)情況
    project = scrapy.Field()
    # 教師科研項(xiàng)目
    training = scrapy.Field()
    # 教師人才培養(yǎng)
    pass

四叛溢、編寫爬蟲#

在項(xiàng)目之下塑悼,可以看到基本結(jié)構(gòu):

teachersinfo的子集結(jié)構(gòu)

在spiders之下新建一個(gè)爬蟲劲适,命名為:teachers_spider.py

import scrapy
import hashlib

from scrapy.selector import Selector
from teachersinfo.items import TeachersinfoItem


class TeachersinfoSpider(scrapy.Spider):
  name = "teachersinfo"
  start_urls = [
    'http://ggglxy.scu.edu.cn/index.php?c=article&a=type&tid=18&page_1_page=1',
  ]

  def parse(self, response):
    for info in response.xpath("http://ul[@class='teachers_ul mt20 cf']/li"):
      item = TeachersinfoItem()
      item['name'] = info.xpath("div[@class='r fr']/h3/text()").extract_first()
      item['title'] = info.xpath("div[@class='r fr']/p/text()").extract_first()
      item['major'] = info.xpath("div[@class='r fr']/div[@class='desc']/p[1]/text()").extract_first().split("E-mail:")[-1]
      item['mail'] = info.xpath("div[@class='r fr']/div[@class='desc']/p[2]/text()").extract_first()
      href = info.xpath("div[@class='l fl']/a/@href").extract_first()
      yield scrapy.Request(response.urljoin(href), meta={'item': item}, callback=self.parse_more_info)

    next_page = response.xpath("http://div[@class='pager cf tc pt10 pb10 mobile_dn']/li[last()-1]/a/@href").extract_first()
    last_page = response.xpath("http://div[@class='pager cf tc pt10 pb10 mobile_dn']/li[last()]/a/@href").extract_first()
    if last_page:
        next_page = "http://ggglxy.scu.edu.cn/"+next_page
        yield scrapy.http.Request(next_page, callback=self.parse)

  @staticmethod
  def parse_more_info(response):
    item = response.meta['item']
    item['resume'] = response.xpath("http://div[@class='desc']/text()").extract()
    item['achieve'] = "".join(response.xpath('/html/body/div[3]/div[2]/div/div[2]//text()').extract())
    item['prize'] = "".join(response.xpath('/html/body/div[3]/div[2]/div/div[3]//text()').extract())
    item['project'] = "".join(response.xpath('/html/body/div[3]/div[2]/div/div[4]//text()').extract())
    item['training'] = "".join(response.xpath('/html/body/div[3]/div[2]/div/div[5]//text()').extract())
    yield item

通過其中meta方法的傳遞參數(shù),將基礎(chǔ)頁面的內(nèi)容與詳情頁面的內(nèi)容聯(lián)系起來厢蒜,不用重復(fù)采集兩次教師的姓名以及職稱霞势。

五、執(zhí)行爬蟲斑鸦,并保存文件#

直接用一句代碼實(shí)現(xiàn)這兩步過程愕贡,將結(jié)果保存為csv格式。

scrapy crawl teachersinfo -o infos.csv

其結(jié)果顯示如下:

爬蟲teachersinfo執(zhí)行的結(jié)果

將infos.csv文件下載并打開巷屿,發(fā)現(xiàn)excel內(nèi)容為亂碼固以,于是采用記事本打開并另存,將編碼方式換成ANSI嘱巾,然后再用excel打開即可呈現(xiàn)結(jié)果憨琳。顯示如下:

csv文件內(nèi)容
csv文件內(nèi)容

六、補(bǔ)充#

關(guān)于翻頁###

在進(jìn)行分頁時(shí)旬昭,嘗試使用其他方式篙螟,其中xpath的sibling是一個(gè)很好的方式。
將翻頁代碼更改一下:

next_page = response.xpath('/html/body/div[4]/div[2]/div[1]/div[2]/li[@class]/following-sibling::*[1]//@href').extract_first()
    if next_page is not None:
      next_page = response.urljoin(next_page)
      yield scrapy.http.Request(next_page, callback=self.parse)

保存成csv文件问拘,用相同轉(zhuǎn)編碼的方式查看遍略,可知可以得到相同的結(jié)果惧所。

haha.csv
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市绪杏,隨后出現(xiàn)的幾起案子下愈,更是在濱河造成了極大的恐慌,老刑警劉巖寞忿,帶你破解...
    沈念sama閱讀 219,490評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件驰唬,死亡現(xiàn)場離奇詭異,居然都是意外死亡腔彰,警方通過查閱死者的電腦和手機(jī)叫编,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,581評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來霹抛,“玉大人搓逾,你說我怎么就攤上這事”眨” “怎么了霞篡?”我有些...
    開封第一講書人閱讀 165,830評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長端逼。 經(jīng)常有香客問我朗兵,道長,這世上最難降的妖魔是什么顶滩? 我笑而不...
    開封第一講書人閱讀 58,957評(píng)論 1 295
  • 正文 為了忘掉前任余掖,我火速辦了婚禮,結(jié)果婚禮上礁鲁,老公的妹妹穿的比我還像新娘盐欺。我一直安慰自己,他們只是感情好仅醇,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,974評(píng)論 6 393
  • 文/花漫 我一把揭開白布冗美。 她就那樣靜靜地躺著,像睡著了一般析二。 火紅的嫁衣襯著肌膚如雪粉洼。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,754評(píng)論 1 307
  • 那天叶摄,我揣著相機(jī)與錄音属韧,去河邊找鬼。 笑死准谚,一個(gè)胖子當(dāng)著我的面吹牛挫剑,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播柱衔,決...
    沈念sama閱讀 40,464評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼樊破,長吁一口氣:“原來是場噩夢啊……” “哼愉棱!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起哲戚,我...
    開封第一講書人閱讀 39,357評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤奔滑,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后顺少,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體朋其,經(jīng)...
    沈念sama閱讀 45,847評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,995評(píng)論 3 338
  • 正文 我和宋清朗相戀三年脆炎,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了梅猿。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,137評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡秒裕,死狀恐怖袱蚓,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情几蜻,我是刑警寧澤喇潘,帶...
    沈念sama閱讀 35,819評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站梭稚,受9級(jí)特大地震影響颖低,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜弧烤,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,482評(píng)論 3 331
  • 文/蒙蒙 一忱屑、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧扼褪,春花似錦想幻、人聲如沸粱栖。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,023評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽闹究。三九已至幔崖,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間渣淤,已是汗流浹背赏寇。 一陣腳步聲響...
    開封第一講書人閱讀 33,149評(píng)論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留价认,地道東北人嗅定。 一個(gè)月前我還...
    沈念sama閱讀 48,409評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像用踩,于是被迫代替她去往敵國和親渠退。 傳聞我的和親對(duì)象是個(gè)殘疾皇子忙迁,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,086評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容