爬蟲入門(4)-Scrapy框架簡(jiǎn)單入門

scrapy作為一個(gè)強(qiáng)大的爬蟲框架痛侍,就不多作介紹曹步。
今天剛?cè)腴Tscrapy宪彩,所以做個(gè)簡(jiǎn)單的使用

Scrapy中文文檔

http://scrapy-chs.readthedocs.io/zh_CN/latest/index.html

Ubuntu安裝scrapy

在Ubuntu下安裝scrapy,需要的命令為:

pip install zope.interface
pip install twisted
pip install pyopenssl
pip install scrapy

開始

1. 使用scrapy創(chuàng)建文件夾命令:

scrapy startproject doubanTest

命令執(zhí)行完系統(tǒng)將在當(dāng)前目錄下生成doubanTest文件

2. 看看最后的代碼文件目錄(開始時(shí)創(chuàng)建不存在douban_spider.py讲婚,main.py文件)
3. 網(wǎng)頁(yè)提取的元素需要在items.py定義
# -*- 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 DoubantestItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    title = scrapy.Field() # 抓取電影標(biāo)題
    content = scrapy.Field() # 抓取電影簡(jiǎn)介

比如我在代碼中定義了抓取電影的標(biāo)題和電影的簡(jiǎn)介

關(guān)于item的使用毯焕,官方文檔這么描述:

Item用法類似字典dict

4. 在settings.py定義一些防反爬元素
# -*- coding: utf-8 -*-

# Scrapy settings for doubanTest project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     http://doc.scrapy.org/en/latest/topics/settings.html
#     http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html
#     http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html

BOT_NAME = 'doubanTest'

SPIDER_MODULES = ['doubanTest.spiders']
NEWSPIDER_MODULE = 'doubanTest.spiders'


# Crawl responsibly by identifying yourself (and your website) on the user-agent
USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Safari/537.36'

FEED_URI = 'doubanmovie.csv' # 將信息存儲(chǔ)到doubanmovie.csv文件中
FEED_FORMAT = 'CSV' # 存儲(chǔ)的文件類型
5. 在spiders下創(chuàng)建douban_spider.py,編寫主要代碼
#-*_coding:utf8-*-

import scrapy
from scrapy.spider import Spider
from scrapy.http import Request
from scrapy.selector import Selector
from doubanTest.items import DoubantestItem

class doubanSpider(Spider):
    name="doubanSpider" # 爬蟲程序名稱
    start_urls = ['https://movie.douban.com/top250'] # URL訪問列表

    def parse(self, response):
        # print response.body
        item = DoubantestItem() # 定義一個(gè)Item對(duì)象
        selector = Selector(response)
        Movies = selector.xpath('//div[@class="info"]')
        for each in Movies:
            title = each.xpath('div[@class="hd"]/a/span/text()').extract() # 獲取電影標(biāo)題
            full_title = "".join(title)
            content = each.xpath('div[@class="bd"]/p/text()').extract() # 獲取電影簡(jiǎn)介

            # item類似dict, 它的key名稱必須與items.py里的名稱一致
            item['title'] = full_title
            item['content'] = ';'.join(content).strip()
            yield item
6. 在doubanTest目錄下創(chuàng)建一個(gè)main.py

編寫這兩句代碼,就可以使用pycharm運(yùn)行了

#-*_coding:utf8-*-
from scrapy import cmdline
cmdline.execute("scrapy crawl doubanSpider".split())

運(yùn)行main.py得到的結(jié)果

ok,就當(dāng)作scrapy入門例子吧

好好學(xué)習(xí)天天向上~

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:七十年代末纳猫,一起剝皮案震驚了整個(gè)濱河市婆咸,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌芜辕,老刑警劉巖尚骄,帶你破解...
    沈念sama閱讀 218,755評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異侵续,居然都是意外死亡倔丈,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,305評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門状蜗,熙熙樓的掌柜王于貴愁眉苦臉地迎上來需五,“玉大人,你說我怎么就攤上這事轧坎『暧剩” “怎么了?”我有些...
    開封第一講書人閱讀 165,138評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵缸血,是天一觀的道長(zhǎng)蜜氨。 經(jīng)常有香客問我,道長(zhǎng)捎泻,這世上最難降的妖魔是什么飒炎? 我笑而不...
    開封第一講書人閱讀 58,791評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮笆豁,結(jié)果婚禮上郎汪,老公的妹妹穿的比我還像新娘。我一直安慰自己闯狱,他們只是感情好煞赢,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,794評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著扩氢,像睡著了一般。 火紅的嫁衣襯著肌膚如雪爷辱。 梳的紋絲不亂的頭發(fā)上录豺,一...
    開封第一講書人閱讀 51,631評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音饭弓,去河邊找鬼双饥。 笑死,一個(gè)胖子當(dāng)著我的面吹牛弟断,可吹牛的內(nèi)容都是我干的咏花。 我是一名探鬼主播,決...
    沈念sama閱讀 40,362評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼昏翰!你這毒婦竟也來了苍匆?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,264評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤棚菊,失蹤者是張志新(化名)和其女友劉穎浸踩,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體统求,經(jīng)...
    沈念sama閱讀 45,724評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡检碗,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 37,900評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了码邻。 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折剃。...
    茶點(diǎn)故事閱讀 40,040評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖像屋,靈堂內(nèi)的尸體忽然破棺而出怕犁,到底是詐尸還是另有隱情,我是刑警寧澤开睡,帶...
    沈念sama閱讀 35,742評(píng)論 5 346
  • 正文 年R本政府宣布因苹,位于F島的核電站,受9級(jí)特大地震影響篇恒,放射性物質(zhì)發(fā)生泄漏扶檐。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,364評(píng)論 3 330
  • 文/蒙蒙 一胁艰、第九天 我趴在偏房一處隱蔽的房頂上張望款筑。 院中可真熱鬧,春花似錦腾么、人聲如沸奈梳。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,944評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)攘须。三九已至,卻和暖如春殴泰,著一層夾襖步出監(jiān)牢的瞬間于宙,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,060評(píng)論 1 270
  • 我被黑心中介騙來泰國(guó)打工悍汛, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留捞魁,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,247評(píng)論 3 371
  • 正文 我出身青樓离咐,卻偏偏與公主長(zhǎng)得像谱俭,于是被迫代替她去往敵國(guó)和親。 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 44,979評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容