交作業(yè) 爬簡書首頁

好久沒寫爬蟲了务唐,有些生疏了,雖然之前也只是會簡單的爬绍哎,先記錄一下来农。用的是Scrapy框架。
首先 scrapy startproject jianshu
第一步沃于,編容器 items.py

import scrapy

class JianshuItem(scrapy.Item):

    title = scrapy.Field()
    author = scrapy.Field()
    post_time = scrapy.Field()
    read = scrapy.Field()
    comment = scrapy.Field()
    like = scrapy.Field()
    reward = scrapy.Field()
    subject = scrapy.Field()

第二步海诲,程序的核心 jianshu_spider.py

from scrapy.spiders import Spider
from scrapy.selector import Selector

from ..items import JianshuItem


class JianshuSpider(Spider):
    name = "jianshu_spider"

    allowed_domains = []

    start_urls = ['http://www.reibang.com/']

    def parse(self, response):
        sel = Selector(response)

        title = sel.xpath("http://div[@class='content']/a[@class='title']/text()").extract()
        author = sel.xpath("http://div[@class='author']/div[@class='name']/a/text()").extract()
        post_time = sel.xpath("http://div[@class='content']/div[@class='name']/span[@class='time']/@data-shared-at").extract()
        read = sel.xpath("http://div[@class='content']/div[@class='meta']/a[2]/text()").extract()
        comment = sel.xpath("http://div[@class='content']/div[@class='meta']/a[3]/text()").extract()
        like = sel.xpath("http://div[@class='content']/div[@class='meta']/span[1]/text()").extract()
        reward = sel.xpath("http://div[@class='content']/div[@class='meta']/span[2]/text()").extract()
        subject = sel.xpath("http://div[@class='content']/div[@class='meta']/a[@class='collection-tag']/text()").extract()

        item = JianshuItem()

        item['title'] = [i for i in title]
        item['author'] = [i for i in author]
        item['post_time'] = [i for i in post_time]
        item['read'] = [i for i in read]
        item['comment'] = [i for i in comment]
        item['like'] = [i for i in like]
        item['reward'] = [i for i in reward]
        item['subject'] = [i for i in subject]

        yield item

第三步檩互,交給pipelines.py處理

import json
import codecs


class JianshuPipeline(object):

    def __init__(self):
        self.file = codecs.open('jianshu.json', mode='wb', encoding='utf-8')

    def process_item(self, item, spider):
        line = 'List:' + '\n'

        for i in range(len(item['title'])):
            title = {'title': item['title'][i]}
            author = {'author': item['author'][i]}
            post_time = {'post_time': item['post_time'][i]}
            read = {'read': item['read'][i]}
            comment = {'comment': item['comment'][i]}
            like = {'like': item['like'][i]}
            reward = {'reward': item['reward'][i]}
            subject = {'subject': item['subject'][i]}
            line = line + json.dumps(title, ensure_ascii=False)
            line = line + json.dumps(author, ensure_ascii=False)
            line = line + json.dumps(post_time, ensure_ascii=False)
            line = line + json.dumps(read, ensure_ascii=False)
            line = line + json.dumps(comment, ensure_ascii=False)
            line = line + json.dumps(like, ensure_ascii=False)
            line = line + json.dumps(reward, ensure_ascii=False)
            line = line + json.dumps(subject, ensure_ascii=False) + '\n'

        self.file.write(line)

    def close_spider(self, spider):
        self.file.close()

當(dāng)然,不要忘了配置settings.py

BOT_NAME = 'jianshu'

SPIDER_MODULES = ['jianshu.spiders']
NEWSPIDER_MODULE = 'jianshu.spiders'
ITEM_PIPELINES = {
    'jianshu.pipelines.JianshuPipeline': 300,
}

USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64)' \
             'AppleWebKit/537.36 (KHTML, like Gecko)' \
             'Chrome/58.0.3029.96 Safari/537.36'

ROBOTSTXT_OBEY = True

目前程序由一些小bug蚯斯,不知道該怎么改,先交作業(yè)拍嵌。
主要是由于爬到的數(shù)據(jù)不能一一對應(yīng)導(dǎo)致報錯。

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:七十年代末横辆,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子狈蚤,更是在濱河造成了極大的恐慌,老刑警劉巖划纽,帶你破解...
    沈念sama閱讀 211,348評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異勇劣,居然都是意外死亡,警方通過查閱死者的電腦和手機芭毙,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,122評論 2 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來退敦,“玉大人,你說我怎么就攤上這事侈百。” “怎么了钝域?”我有些...
    開封第一講書人閱讀 156,936評論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長例证。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么胀葱? 我笑而不...
    開封第一講書人閱讀 56,427評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮抵屿,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘轧葛。我一直安慰自己,他們只是感情好尿扯,可當(dāng)我...
    茶點故事閱讀 65,467評論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著姜胖,像睡著了一般誉帅。 火紅的嫁衣襯著肌膚如雪右莱。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,785評論 1 290
  • 那天慢蜓,我揣著相機與錄音,去河邊找鬼晨抡。 笑死久橙,一個胖子當(dāng)著我的面吹牛巾兆,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播调煎,決...
    沈念sama閱讀 38,931評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼士袄!你這毒婦竟也來了悲关?” 一聲冷哼從身側(cè)響起娄柳,我...
    開封第一講書人閱讀 37,696評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎赤拒,沒想到半個月后诱鞠,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 44,141評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡般甲,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 36,483評論 2 327
  • 正文 我和宋清朗相戀三年鹅颊,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)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墓造。...
    茶點故事閱讀 38,625評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖觅闽,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情蛉拙,我是刑警寧澤尸闸,帶...
    沈念sama閱讀 34,291評論 4 329
  • 正文 年R本政府宣布吮廉,位于F島的核電站,受9級特大地震影響畸肆,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜轴脐,卻給世界環(huán)境...
    茶點故事閱讀 39,892評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望大咱。 院中可真熱鬧碴巾,春花似錦、人聲如沸餐抢。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至欺抗,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背贸人。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留艺智,地道東北人倘要。 一個月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓封拧,卻偏偏與公主長得像,于是被迫代替她去往敵國和親夭问。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,492評論 2 348

推薦閱讀更多精彩內(nèi)容