[spider]使用scrapy爬取某足球網(wǎng)站內容

今天寫了一個爬蟲音半,抓取了一下國內知名的某足球網(wǎng)站的內容琳袄。
首先就是去創(chuàng)建項目:

scrapy startproject dongXXXdi

然后去創(chuàng)建一個爬蟲

scrapy genspider DQD "dongXXXdi.com"

然后出現(xiàn)了如下的目錄:


項目的目錄結構

具體的網(wǎng)頁結構就不分析了君旦∑嶙玻可以參考我上一篇博客的Chrome的network調試。
直接上代碼:
先看看spider.py 于宙。

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

class DqdSpider(scrapy.Spider):
    name = "DQD"
    allowed_domains = ["dongqiudi.com"]
    start_urls = ['http://dongqiudi.com/archives/1?page=1']

    def parse(self, response):
        html = response.text
        text = json.loads(html)
        dataArray = text['data']
        for data in dataArray:
            yield data

    for i in range(2,50):     #暫時就先抓取50頁內容
        new_url = "http://dongqiudi.com/archives/1?page={}".format(i)
        yield scrapy.Request(url=new_url,callback=self.parse)  #回調函數(shù)

再看看items.py

import scrapy


class DongqiudiItem(scrapy.Item):
    # define the fields for your item here like:
    id = scrapy.Field()     
    title = scrapy.Field()  
    discription = scrapy.Field()     
    user_id = scrapy.Field()      
    type = scrapy.Field()
    display_time = scrapy.Field()
    thumb = scrapy.Field()
    comments_total = scrapy.Field()
    web_url = scrapy.Field()
    official_account = scrapy.Field()

然后再看看pipilines.py,將所有的數(shù)據(jù)存儲為json格式。

import json

class DongqiudiPipeline(object):
    def process_item(self, item, spider):
        with open("DQD.json","a") as f:
            f.write(json.dumps(item,ensure_ascii=False)+"\n")

最后看看settings.py悍汛。

BOT_NAME = 'dongqiudi'

SPIDER_MODULES = ['dongqiudi.spiders']
NEWSPIDER_MODULE = 'dongqiudi.spiders'
ROBOTSTXT_OBEY = False  #不遵守機器人協(xié)議
#請求頭的設置
DEFAULT_REQUEST_HEADERS = {
'Accept': 
'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Accept-Language': 'en',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36',
}
ITEM_PIPELINES = {
'dongqiudi.pipelines.DongqiudiPipeline': 300,
}

到此所有的要寫的代碼就簡單的完成了捞魁。然后看看抓取的結果。


抓取結果
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末离咐,一起剝皮案震驚了整個濱河市谱俭,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌宵蛀,老刑警劉巖昆著,帶你破解...
    沈念sama閱讀 221,198評論 6 514
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異术陶,居然都是意外死亡凑懂,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 94,334評論 3 398
  • 文/潘曉璐 我一進店門梧宫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來接谨,“玉大人摆碉,你說我怎么就攤上這事∨Ш溃” “怎么了巷帝?”我有些...
    開封第一講書人閱讀 167,643評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長扫夜。 經(jīng)常有香客問我楞泼,道長,這世上最難降的妖魔是什么笤闯? 我笑而不...
    開封第一講書人閱讀 59,495評論 1 296
  • 正文 為了忘掉前任堕阔,我火速辦了婚禮,結果婚禮上望侈,老公的妹妹穿的比我還像新娘印蔬。我一直安慰自己,他們只是感情好脱衙,可當我...
    茶點故事閱讀 68,502評論 6 397
  • 文/花漫 我一把揭開白布侥猬。 她就那樣靜靜地躺著,像睡著了一般捐韩。 火紅的嫁衣襯著肌膚如雪退唠。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,156評論 1 308
  • 那天荤胁,我揣著相機與錄音瞧预,去河邊找鬼。 笑死仅政,一個胖子當著我的面吹牛垢油,可吹牛的內容都是我干的。 我是一名探鬼主播圆丹,決...
    沈念sama閱讀 40,743評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼滩愁,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了辫封?” 一聲冷哼從身側響起硝枉,我...
    開封第一講書人閱讀 39,659評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎倦微,沒想到半個月后妻味,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,200評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡欣福,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,282評論 3 340
  • 正文 我和宋清朗相戀三年责球,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 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。...
    茶點故事閱讀 40,424評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡棕诵,死狀恐怖裁良,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情校套,我是刑警寧澤价脾,帶...
    沈念sama閱讀 36,107評論 5 349
  • 正文 年R本政府宣布,位于F島的核電站笛匙,受9級特大地震影響侨把,放射性物質發(fā)生泄漏。R本人自食惡果不足惜妹孙,卻給世界環(huán)境...
    茶點故事閱讀 41,789評論 3 333
  • 文/蒙蒙 一秋柄、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧蠢正,春花似錦骇笔、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,264評論 0 23
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至雹舀,卻和暖如春芦劣,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背说榆。 一陣腳步聲響...
    開封第一講書人閱讀 33,390評論 1 271
  • 我被黑心中介騙來泰國打工虚吟, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人签财。 一個月前我還...
    沈念sama閱讀 48,798評論 3 376
  • 正文 我出身青樓串慰,卻偏偏與公主長得像,于是被迫代替她去往敵國和親唱蒸。 傳聞我的和親對象是個殘疾皇子邦鲫,可洞房花燭夜當晚...
    茶點故事閱讀 45,435評論 2 359

推薦閱讀更多精彩內容