一、【python scrapy 的使用】新建爬蟲項目爬取一個頁面

Scrapy 官方文檔

1.安裝scrapy

終端命令:

pip3 install scrapy

2.創(chuàng)建項目

終端命令:

scrapy  startproject <projectname>
cd <projectname>                                  #進入工程目錄
scrapy genspider <spidername> <url domain> 

url domain為想爬取的網(wǎng)址域名
之后會在當前路徑生成一個以projectname為名稱的文件夾彰居,以下projectname=mySpiderspidername=epilepsy_spider暴氏、url domain=baidu.com為例翅敌,文件夾目錄結(jié)構(gòu)如圖:

scrapy文件目錄結(jié)構(gòu)
  • scrapy.cfg 項目的配置信息,主要為Scrapy命令行工具提供一個基礎(chǔ)的配置信息逞敷,真正爬蟲相關(guān)的配置信息在settings.py文件中
  • items.py 定義爬取數(shù)據(jù)的對象
  • pipelines 數(shù)據(jù)處理行為狂秦,如:一般結(jié)構(gòu)化的數(shù)據(jù)持久化
  • settings.py 配置文件,如:遞歸的層數(shù)推捐、并發(fā)數(shù)裂问,延遲下載等
  • spiders 爬蟲目錄,如:創(chuàng)建文件,編寫爬蟲規(guī)則

3.編寫items.py

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

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

import scrapy

class MovieItem(scrapy.Item):
    # define the fields for your item here like:
    name = scrapy.Field()

4.編寫epilepsy_spider.py包括爬去網(wǎng)頁的起始路徑和xpath表達式

# -*- coding: utf-8 -*-
import scrapy
from mySpider.items import MovieItem

class MeijuSpider(scrapy.Spider):
    name = 'epilepsy_spider'
    allowed_domains = ['baidu.com']
    start_urls = ['https://baike.baidu.com/medicine/disease/%E7%99%AB%E7%97%AB/1613?from=lemma']

    def parse(self, response):
        movies = response.xpath('//*[@id="medical_content"]/ul').extract()
        item = MovieItem()
        item['name'] = movies
        print(item['name'])

        yield item

在pycharm項目內(nèi)創(chuàng)建Spider項目時注意將Spider項目的父文件夾設(shè)置為Resource Root:文件夾右鍵->Make Directory as ->Resource Root
關(guān)于xpath表達式的使用見下一篇

5.編寫pipeline.py定義爬取數(shù)據(jù)的保存路徑

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

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html


class MoviePipeline(object):
    def process_item(self, item, spider):
        with open("./epilepsy.txt", "a") as fp:
            for i in item['name']:
                fp.write(i+'\n')

6.執(zhí)行爬蟲

終端命令:

scrapy crawl <spider name>
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末堪簿,一起剝皮案震驚了整個濱河市痊乾,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌椭更,老刑警劉巖哪审,帶你破解...
    沈念sama閱讀 217,907評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異虑瀑,居然都是意外死亡协饲,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評論 3 395
  • 文/潘曉璐 我一進店門缴川,熙熙樓的掌柜王于貴愁眉苦臉地迎上來茉稠,“玉大人,你說我怎么就攤上這事把夸《撸” “怎么了?”我有些...
    開封第一講書人閱讀 164,298評論 0 354
  • 文/不壞的土叔 我叫張陵恋日,是天一觀的道長膀篮。 經(jīng)常有香客問我,道長岂膳,這世上最難降的妖魔是什么誓竿? 我笑而不...
    開封第一講書人閱讀 58,586評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮谈截,結(jié)果婚禮上筷屡,老公的妹妹穿的比我還像新娘。我一直安慰自己簸喂,他們只是感情好毙死,可當我...
    茶點故事閱讀 67,633評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著喻鳄,像睡著了一般扼倘。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上除呵,一...
    開封第一講書人閱讀 51,488評論 1 302
  • 那天再菊,我揣著相機與錄音,去河邊找鬼颜曾。 笑死纠拔,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的泛啸。 我是一名探鬼主播绿语,決...
    沈念sama閱讀 40,275評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼秃症,長吁一口氣:“原來是場噩夢啊……” “哼候址!你這毒婦竟也來了吕粹?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,176評論 0 276
  • 序言:老撾萬榮一對情侶失蹤岗仑,失蹤者是張志新(化名)和其女友劉穎匹耕,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體荠雕,經(jīng)...
    沈念sama閱讀 45,619評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡稳其,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...
    茶點故事閱讀 37,819評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了炸卑。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片既鞠。...
    茶點故事閱讀 39,932評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖盖文,靈堂內(nèi)的尸體忽然破棺而出嘱蛋,到底是詐尸還是另有隱情,我是刑警寧澤五续,帶...
    沈念sama閱讀 35,655評論 5 346
  • 正文 年R本政府宣布洒敏,位于F島的核電站,受9級特大地震影響疙驾,放射性物質(zhì)發(fā)生泄漏凶伙。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,265評論 3 329
  • 文/蒙蒙 一它碎、第九天 我趴在偏房一處隱蔽的房頂上張望函荣。 院中可真熱鬧,春花似錦扳肛、人聲如沸偏竟。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,871評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽踊谋。三九已至,卻和暖如春旋讹,著一層夾襖步出監(jiān)牢的瞬間殖蚕,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,994評論 1 269
  • 我被黑心中介騙來泰國打工沉迹, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留睦疫,地道東北人。 一個月前我還...
    沈念sama閱讀 48,095評論 3 370
  • 正文 我出身青樓鞭呕,卻偏偏與公主長得像蛤育,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,884評論 2 354

推薦閱讀更多精彩內(nèi)容