Generic spider

use case - generic spider has useful methods for common crawling actions such as following all links on a site based on certain rules, crawling from Sitemaps, or parsing an XML/CSV feed

CrawlSipder

rules - objects that define crawling behavior
parse_start_url - a method that can be overriden to parse the initial responses and must return

  • either an Item
    object

  • a Request
    object

  • or an iterable containing any of them

Rules

scrapy.spiders.Rule
can declare multiple rules for followed links, always add a , at the end

Paste_Image.png
  • link_extractor defines how links will be extracted from each crawled page
  • allow/deny - only allow or ignore domains
  • callback - calling methods to perform crawling on the response; if no callback is specified, follow is default to True

avoid calling parse since this is reserved for CrawlSpider to use it to set up the rules

  • follow - a boolean if set to true extract all links on the page

Scrapy filter out duplicate link by default
beware that start_urls should not contain trailling slash
works

Paste_Image.png

does not work
Paste_Image.png

  • process_links - filter purpose
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:七十年代末轴合,一起剝皮案震驚了整個(gè)濱河市地消,隨后出現(xiàn)的幾起案子求豫,更是在濱河造成了極大的恐慌,老刑警劉巖席函,帶你破解...
    沈念sama閱讀 211,194評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異娘摔,居然都是意外死亡菲语,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 90,058評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門的榛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來琼了,“玉大人,你說我怎么就攤上這事夫晌〉裥剑” “怎么了?”我有些...
    開封第一講書人閱讀 156,780評(píng)論 0 346
  • 文/不壞的土叔 我叫張陵晓淀,是天一觀的道長(zhǎng)所袁。 經(jīng)常有香客問我,道長(zhǎng)凶掰,這世上最難降的妖魔是什么燥爷? 我笑而不...
    開封第一講書人閱讀 56,388評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮懦窘,結(jié)果婚禮上前翎,老公的妹妹穿的比我還像新娘。我一直安慰自己畅涂,他們只是感情好港华,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,430評(píng)論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著午衰,像睡著了一般立宜。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上臊岸,一...
    開封第一講書人閱讀 49,764評(píng)論 1 290
  • 那天橙数,我揣著相機(jī)與錄音,去河邊找鬼帅戒。 笑死灯帮,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的逻住。 我是一名探鬼主播施流,決...
    沈念sama閱讀 38,907評(píng)論 3 406
  • 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……” “哼鄙信!你這毒婦竟也來了瞪醋?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,679評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤装诡,失蹤者是張志新(化名)和其女友劉穎银受,沒想到半個(gè)月后践盼,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,122評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡宾巍,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 36,459評(píng)論 2 325
  • 正文 我和宋清朗相戀三年咕幻,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顶霞。...
    茶點(diǎn)故事閱讀 38,605評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡肄程,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出选浑,到底是詐尸還是另有隱情蓝厌,我是刑警寧澤,帶...
    沈念sama閱讀 34,270評(píng)論 4 329
  • 正文 年R本政府宣布古徒,位于F島的核電站拓提,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏隧膘。R本人自食惡果不足惜代态,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,867評(píng)論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望疹吃。 院中可真熱鬧蹦疑,春花似錦、人聲如沸萨驶。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,734評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽篡撵。三九已至判莉,卻和暖如春豆挽,著一層夾襖步出監(jiān)牢的瞬間育谬,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,961評(píng)論 1 265
  • 我被黑心中介騙來泰國(guó)打工帮哈, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留膛檀,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,297評(píng)論 2 360
  • 正文 我出身青樓娘侍,卻偏偏與公主長(zhǎng)得像咖刃,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)殘疾皇子憾筏,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,472評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容