2018-12-09

CrawlSpider爬蟲文件字段的介紹

1画拾、 CrawlSpider繼承于Spider類,除了繼承過來的屬性外(name、allow_domains)利术,還提供了新的屬性和方法:class scrapy.linkextractors.LinkExtractorLink Extractors 的目的很簡單: 提取鏈接?每個(gè)LinkExtractor有唯一的公共方法是 extract_links(),它接收一個(gè) Response 對(duì)象低矮,并返回一個(gè) scrapy.link.Link 對(duì)象印叁。

Link Extractors要實(shí)例化一次,并且 extract_links 方法會(huì)根據(jù)不同的 response 調(diào)用多次提取鏈接?
class scrapy.linkextractors.LinkExtractor(
allow = (),
deny = (),
allow_domains = (),
deny_domains = (),
deny_extensions = None,
restrict_xpaths = (),
tags = ('a','area'),
attrs = ('href'),
canonicalize = True,
unique = True,
process_value = None
)
主要參數(shù):

① allow:滿足括號(hào)中“正則表達(dá)式”的值會(huì)被提取军掂,如果為空轮蜕,則全部匹配。
② deny:與這個(gè)正則表達(dá)式(或正則表達(dá)式列表)不匹配的URL一定不提取良姆。
③ allow_domains:會(huì)被提取的鏈接的domains肠虽。
④ deny_domains:一定不會(huì)被提取鏈接的domains。
⑤ restrict_xpaths:使用xpath表達(dá)式玛追,和allow共同作用過濾鏈接税课。

2闲延、 在rules中包含一個(gè)或多個(gè)Rule對(duì)象,每個(gè)Rule對(duì)爬取網(wǎng)站的動(dòng)作定義了特定操作韩玩。如果多個(gè)rule匹配了相同的鏈接垒玲,則根據(jù)規(guī)則在本集合中被定義的順序,第一個(gè)會(huì)被使用找颓。

class scrapy.spiders.Rule(
link_extractor,
callback = None,
cb_kwargs = None,
follow = None,
process_links = None,
process_request = None
)

① link_extractor:是一個(gè)Link Extractor對(duì)象合愈,用于定義需要提取的鏈接。

② callback: 從link_extractor中每獲取到鏈接時(shí)击狮,參數(shù)所指定的值作為回調(diào)函數(shù)佛析,該回調(diào)函數(shù)接受一個(gè)response作為其第一個(gè)參數(shù)。

注意:當(dāng)編寫爬蟲規(guī)則時(shí)彪蓬,避免使用parse作為回調(diào)函數(shù)寸莫。由于CrawlSpider使用parse方法來實(shí)現(xiàn)其邏輯,如果覆蓋了 parse方法档冬,crawl spider將會(huì)運(yùn)行失敗膘茎。

③ follow:是一個(gè)布爾(boolean)值,指定了根據(jù)該規(guī)則從response提取的鏈接是否需要跟進(jìn)酷誓。 如果callback為None披坏,follow 默認(rèn)設(shè)置為True ,否則默認(rèn)為False盐数。

④ process_links:指定該spider中哪個(gè)的函數(shù)將會(huì)被調(diào)用棒拂,從link_extractor中獲取到鏈接列表時(shí)將會(huì)調(diào)用該函數(shù)。該方法主要用來過濾玫氢。

⑤ process_request:指定該spider中哪個(gè)的函數(shù)將會(huì)被調(diào)用着茸, 該規(guī)則提取到每個(gè)request時(shí)都會(huì)調(diào)用該函數(shù)。 (用來過濾request)

3琐旁、Scrapy提供了log功能涮阔,可以通過 logging 模塊使用』遗梗可以修改配置文件settings.py敬特,任意位置添加下面兩行,效果會(huì)清爽很多牺陶。

LOG_FILE = "TencentSpider.log"
LOG_LEVEL = "INFO"

Scrapy提供5層logging級(jí)別:

① CRITICAL - 嚴(yán)重錯(cuò)誤(critical)
② ERROR - 一般錯(cuò)誤(regular errors)
③ WARNING - 警告信息(warning messages)
④ INFO - 一般信息(informational messages)
⑤ DEBUG - 調(diào)試信息(debugging messages)

通過在setting.py中進(jìn)行以下設(shè)置可以被用來配置logging:

① LOG_ENABLED 默認(rèn): True伟阔,啟用logging
② LOG_ENCODING 默認(rèn): 'utf-8',logging使用的編碼
③ LOG_FILE 默認(rèn): None掰伸,在當(dāng)前目錄里創(chuàng)建logging輸出文件的文件名
④ LOG_LEVEL 默認(rèn): 'DEBUG'皱炉,log的最低級(jí)別
⑤ LOG_STDOUT 默認(rèn): False 如果為 True,進(jìn)程所有的標(biāo)準(zhǔn)輸出(及錯(cuò)誤)將會(huì)被重定向到log中狮鸭。例如合搅,執(zhí)行 print "hello" 多搀,其將會(huì)在Scrapy log中顯示。

三灾部、 CrawlSpider爬蟲案例分析

1康铭、創(chuàng)建項(xiàng)目:scrapy startproject CrawlYouYuan

2、創(chuàng)建爬蟲文件:scrapy genspider -t crawl youyuan youyuan.com

3赌髓、項(xiàng)目文件分析

?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:七十年代末从藤,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子锁蠕,更是在濱河造成了極大的恐慌夷野,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,277評(píng)論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件荣倾,死亡現(xiàn)場離奇詭異扫责,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)逃呼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評(píng)論 3 393
  • 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者娱,“玉大人抡笼,你說我怎么就攤上這事』器ⅲ” “怎么了推姻?”我有些...
    開封第一講書人閱讀 163,624評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長框沟。 經(jīng)常有香客問我藏古,道長,這世上最難降的妖魔是什么忍燥? 我笑而不...
    開封第一講書人閱讀 58,356評(píng)論 1 293
  • 正文 為了忘掉前任拧晕,我火速辦了婚禮,結(jié)果婚禮上梅垄,老公的妹妹穿的比我還像新娘厂捞。我一直安慰自己,他們只是感情好队丝,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,402評(píng)論 6 392
  • 文/花漫 我一把揭開白布靡馁。 她就那樣靜靜地躺著,像睡著了一般机久。 火紅的嫁衣襯著肌膚如雪臭墨。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,292評(píng)論 1 301
  • 那天膘盖,我揣著相機(jī)與錄音胧弛,去河邊找鬼尤误。 笑死,一個(gè)胖子當(dāng)著我的面吹牛叶圃,可吹牛的內(nèi)容都是我干的袄膏。 我是一名探鬼主播,決...
    沈念sama閱讀 40,135評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼掺冠,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼沉馆!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起德崭,我...
    開封第一講書人閱讀 38,992評(píng)論 0 275
  • 序言:老撾萬榮一對(duì)情侶失蹤斥黑,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后眉厨,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體锌奴,經(jīng)...
    沈念sama閱讀 45,429評(píng)論 1 314
  • 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 37,636評(píng)論 3 334
  • 正文 我和宋清朗相戀三年憾股,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了鹿蜀。 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 39,785評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡服球,死狀恐怖茴恰,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情斩熊,我是刑警寧澤往枣,帶...
    沈念sama閱讀 35,492評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站粉渠,受9級(jí)特大地震影響分冈,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜霸株,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,092評(píng)論 3 328
  • 文/蒙蒙 一雕沉、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧去件,春花似錦蘑秽、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至靴跛,卻和暖如春缀雳,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背梢睛。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評(píng)論 1 269
  • 我被黑心中介騙來泰國打工肥印, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留识椰,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,891評(píng)論 2 370
  • 正文 我出身青樓深碱,卻偏偏與公主長得像腹鹉,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子敷硅,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,713評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容