scrapy 基礎(chǔ)抓取

練習(xí)(一)

目標(biāo)抓取 https://segmentfault.com/t/python 列表

新建一個(gè)空文件夾 在該文件夾下運(yùn)行命令

scrapy startproject segmentfault 
cd segmentfault
scrapy genspider python segmentfault.com

完成后scrapy會(huì)為我們建立一個(gè)名為segmentfault的項(xiàng)目
并建立一個(gè)叫做“python”的爬蟲(chóng)任務(wù)
修改spiders文件夾下python.py文件將start_urls的內(nèi)容修改為“https://segmentfault.com/t/python
parse方法用來(lái)完成我們的目標(biāo)任務(wù)
修改完后完整的代碼如下

# -*- coding: utf-8 -*-
import scrapy

class PythonSpider(scrapy.Spider):
    name = 'python'
    allowed_domains = ['segmentfault.com']
    start_urls = ['https://segmentfault.com/t/python']
    
    def parse(self, response):
        items = response.css(".stream-list__item .summary h2.title a")
        for index,aLink in enumerate(items):
            args = (aLink.css("::text").extract(),aLink.css("::attr(href)").extract())
            yield { "title":args[0],"url":args[1]}

在當(dāng)前文件夾下命令行運(yùn)行

scrapy crawl python -o test.json

結(jié)束后會(huì)在當(dāng)前文件夾下生成被爬取內(nèi)容的json文件紊搪,打開(kāi)后類(lèi)型如下內(nèi)容

[
{"url": ["/q/1010000010689990"], "title": ["python\u8c03\u7528\u81ea\u5df1\u5199\u7684b.py\u6587\u4ef6\uff0c\u6267\u884c\u540e\u751f\u6210b.pyc\u6587\u4ef6\u3002\u5220\u9664b.py \u7ee7\u7eed\u6267\u884c,\u53d1\u73b0\u62a5\u9519\u3002\u63d0\u793a\u6ca1\u6709b\u6a21\u5757"]},
{"url": ["/q/1010000010686570"], "title": ["\u5982\u4f55\u7528js\u5199\u4e00\u4e2a\u5c0f\u7a0b\u5e8f\uff0c\u6293\u53d6\u9875\u9762\u7684\u7535\u8bdd\uff0c\u516c\u53f8\uff1f"]},
{"url": ["/q/1010000010564104"], "title": ["JSON\u5bf9\u8c61\u600e\u4e48\u8f6c\u6362java\u5bf9\u8c61?"]},
{"url": ["/q/1010000010673785"], "title": ["\u90e8\u7f72Django \u5e94\u8be5\u4f7f\u7528apache + nginx\u8fd8\u662fuwsgi+ nginx"]},
{"url": ["/q/1010000010685577"], "title": ["python rabbitMQ \u961f\u5217\u94fe\u63a5\u51fa\u73b0\u4ee5\u4e0b\u9519\u8bef\u53ef\u80fd\u662f\u4ec0\u4e48\u539f\u56e0"]},
{"url": ["/q/1010000010683534"], "title": ["\u8bf7\u95eeWindows7\u4e0b\u5982\u4f55\u4f7f\u7528Python\u6740\u6b7b\u8fdb\u7a0b"]},
{"url": ["/q/1010000010680269"], "title": ["\u8bf7\u95eepy\u600e\u4e48\u5f80c++ .so\u5e93\u4f20\u6570\u636e\uff1f"]},
{"url": ["/q/1010000010682838"], "title": ["python\u8c03\u7528c++ .so\u5e93\u8fd4\u56dedouble\u65f6\u4e3a0"]},
{"url": ["/q/1010000010669643"], "title": ["\u8bf7\u95ee\u5982\u4f55\u6293\u53d6\u6dd8\u5b9dAPP\u5ba2\u6237\u7aef\u63a5\u53e3\u4fe1\u606f"]},
{"url": ["/q/1010000010674044"], "title": ["http\u4e2d\u7684post\u65b9\u6cd5\u7684request payload\u600e\u6837\u7528 requests\u5e93\u53d1\u9001"]},
{"url": ["/q/1010000010679630"], "title": ["counter\u88e1\u7684\u6578\u503c\u5982\u4f55\u76f8\u4e58"]},
{"url": ["/q/1010000010660247"], "title": ["\u5173\u4e8e\u4e8c\u53c9\u6811\u6df1\u5ea6\u6c42\u52a9"]},
{"url": ["/q/1010000010654982"], "title": ["\u4f7f\u7528django\u6267\u884c\u4e00\u4e2a\u9700\u8981\u8f83\u957f\u8ba1\u7b97\u65f6\u95f4\u7684\u672c\u673a\u811a\u672c\u5e76\u83b7\u53d6\u7ed3\u679c\uff0c\u5e94\u8be5\u600e\u6837\u5b9e\u73b0\uff1f"]},
{"url": ["/q/1010000010677371"], "title": ["\u5982\u4f55\u81ea\u5b9a\u4e49Django\u81ea\u5e26\u7684Admin\u7684views"]},
{"url": ["/q/1010000010671214"], "title": ["\u5982\u4f55\u5b9e\u73b0html\u6570\u636e\u8868\uff08\u4ece\u6570\u636e\u5e93\u4e2d\u67e5\u8be2\u51fa\u6765\u7684\uff09\u754c\u9762\u7684\u53ef\u7f16\u8f91,\u5e76\u5c06\u4fee\u6539\u7ed3\u679c\u91cd\u65b0\u5b58\u50a8\u81f3\u6570\u636e\u5e93"]},
{"url": ["/q/1010000010645067"], "title": ["python3 \u534f\u7a0b \u62a5\u9519\uff1aUnclosed client session \u8be5\u600e\u4e48\u89e3\u51b3\uff1f "]},
{"url": ["/q/1010000010657769"], "title": ["flask\u7684sendemail\u5728\u5f00\u53d1\u73af\u5883\u4e0b\u597d\u7528\u653e\u5230\u670d\u52a1\u5668\u4e0a\u5c31\u762b\u75ea\u4e86\u662f\u4e3a\u5565"]},
{"url": ["/q/1010000010651053"], "title": ["matplotlib\u76843d\u753b\u56fe\u600e\u4e48\u53bb\u6389\u80cc\u666f\u7684\u7f51\u683c\uff1f"]},
{"url": ["/q/1010000010632474"], "title": ["scrapy \u8f93\u51facsv\u6587\u4ef6\u6570\u636e\u4e4b\u95f4\u6709\u7a7a\u884c\uff1f"]},
{"url": ["/q/1010000010651221"], "title": ["\u7f51\u9875\u6807\u7b7e\u6e05\u6d17"]}
]

可以看到輸出的內(nèi)容為unicode格式
在 settings.py文件最后加入以下代碼可解決輸出unicode問(wèn)題

from scrapy.exporters import JsonItemExporter


class CustomJsonLinesItemExporter(JsonItemExporter):
    # 定義ensure_ascii=False,避免直接輸出unicode
    def __init__(self, file, **kwargs):
        super(CustomJsonLinesItemExporter, self).__init__(file, ensure_ascii=False, **kwargs)


FEED_EXPORTERS = {
    'json': 'segmentfault.settings.CustomJsonLinesItemExporter',
}

完整代碼下載https://www.jianguoyun.com/p/Df0ENAQQvrm_BhiZ0zI

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:七十年代末剃幌,一起剝皮案震驚了整個(gè)濱河市歹撒,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌褥芒,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,635評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件抱虐,死亡現(xiàn)場(chǎng)離奇詭異亩鬼,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)烘挫,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,543評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)诀艰,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人饮六,你說(shuō)我怎么就攤上這事其垄。” “怎么了卤橄?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,083評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵绿满,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我窟扑,道長(zhǎng)棒口,這世上最難降的妖魔是什么寄月? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,640評(píng)論 1 296
  • 正文 為了忘掉前任,我火速辦了婚禮无牵,結(jié)果婚禮上漾肮,老公的妹妹穿的比我還像新娘。我一直安慰自己茎毁,他們只是感情好捐迫,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,640評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布两曼。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪痰娱。 梳的紋絲不亂的頭發(fā)上堤尾,一...
    開(kāi)封第一講書(shū)人閱讀 52,262評(píng)論 1 308
  • 那天最盅,我揣著相機(jī)與錄音榜跌,去河邊找鬼。 笑死碧库,一個(gè)胖子當(dāng)著我的面吹牛柜与,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播嵌灰,決...
    沈念sama閱讀 40,833評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼弄匕,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了沽瞭?” 一聲冷哼從身側(cè)響起迁匠,我...
    開(kāi)封第一講書(shū)人閱讀 39,736評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎驹溃,沒(méi)想到半個(gè)月后城丧,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,280評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡豌鹤,尸身上長(zhǎng)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 38,369評(píng)論 3 340
  • 正文 我和宋清朗相戀三年亡哄,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 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傍药。...
    茶點(diǎn)故事閱讀 40,503評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡磺平,死狀恐怖魂仍,靈堂內(nèi)的尸體忽然破棺而出拐辽,到底是詐尸還是另有隱情,我是刑警寧澤擦酌,帶...
    沈念sama閱讀 36,185評(píng)論 5 350
  • 正文 年R本政府宣布俱诸,位于F島的核電站,受9級(jí)特大地震影響赊舶,放射性物質(zhì)發(fā)生泄漏睁搭。R本人自食惡果不足惜赶诊,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,870評(píng)論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望园骆。 院中可真熱鬧舔痪,春花似錦、人聲如沸锌唾。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,340評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)晌涕。三九已至滋捶,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間余黎,已是汗流浹背重窟。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,460評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留惧财,地道東北人巡扇。 一個(gè)月前我還...
    沈念sama閱讀 48,909評(píng)論 3 376
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像可缚,于是被迫代替她去往敵國(guó)和親霎迫。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,512評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容