pyspider 爬取 去哪網(wǎng) 游記內(nèi)容 圖片

昨天學(xué)習(xí)了pyspider的使用
《Python 3 網(wǎng)絡(luò)爬蟲開發(fā)實戰(zhàn)》中介紹了使用pyspider爬取去哪的游記內(nèi)容
然后在書中所介紹的案例的基礎(chǔ)上,今天自己又進行了修改完善,實現(xiàn)了游記內(nèi)容的爬取保存,已經(jīng)驢友們拍攝的美圖的保存。

代碼如下

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2019-08-28 14:52:57
# Project: quna

from pyspider.libs.base_handler import *
import os

DIR_PATH = '/Users/********/Desktop/去哪游記' #本地存放路徑
 
 
class Handler(BaseHandler):
    crawl_config = {
    }
    
    def __init__(self):
        self.deal = Deal() #初始化文件處理對象
        
    @every(minutes=24 * 60)
    def on_start(self):
        self.crawl('http://travel.qunar.com/travelbook/list.htm', callback=self.index_page) #請求主頁
    
    @config(age=10 * 24 * 60 * 60)
    def index_page(self, response):
        for each in response.doc('li > .tit > a').items():
            self.crawl(each.attr.href, callback=self.detail_page, fetch_type='js')
        next = response.doc('.next').attr.href
        self.crawl(next, callback=self.index_page) #請求詳情
    
    @config(priority=2)
    def detail_page(self, response):
        images = response.doc('.js_lazyimg').items() #根據(jù)返回的網(wǎng)頁源碼來進行處理,得到所有img標(biāo)簽數(shù)據(jù)
        name = response.doc('#booktitle').text() #獲取游記title
        dir_path = self.deal.mkDir(name) #在文件目錄下生成游記文件夾
        if dir_path:
            content = response.doc('#b_panel_schedule').text()#獲取游記內(nèi)容
            self.deal.saveContent(content, dir_path, name)#保存游記內(nèi)容在游記文件夾下做盅,txt格式
            for img in images: 
                src = img.attr.src #獲取img src
                if src:
                    file_name = self.deal.getFileName(src) #獲取文件名
                    self.crawl(src, callback=self.save_img, validate_cert = False,
                               save={'dir_path': dir_path, 'file_name': file_name})#請求圖片
 
    def save_img(self, response):
        content = response.content
        dir_path = response.save['dir_path']
        file_name = response.save['file_name']
        file_path = dir_path + '/' + file_name
        self.deal.saveImg(content, file_path)
        return file_path
 
class Deal:
    def __init__(self):
        self.path = DIR_PATH
        if not self.path.endswith('/'):
            self.path = self.path + '/'
        if not os.path.exists(self.path):
            os.makedirs(self.path)
 
    def mkDir(self, path):
        path = path.strip()
        dir_path = self.path + path
        exists = os.path.exists(dir_path)
        if not exists:
            os.makedirs(dir_path)
            return dir_path
        else:
            return dir_path
 
    def saveImg(self, content, path):
        f = open(path, 'wb')
        f.write(content)
        f.close()
 
    def saveContent(self, content, dir_path, name):
        file_name = dir_path + "/" + name + ".txt"
        f = open(file_name, "w+")
        f.write(content)
 
    def getFileName(self, url):
        (url, tempfilename) = os.path.split(url)
        return tempfilename

啟動爬蟲

image.png

爬蟲開始工作

image.png

經(jīng)過早上一個多小時的折騰,可以正常使用了
不過對于pyspider也有了新的認(rèn)識窘哈,這家伙調(diào)試太難吹榴、編碼不舒服(只能VS中寫完復(fù)制過去才能好受點)
個人感覺pyspider簡單,易操作滚婉,適合去爬一些急图筹、數(shù)據(jù)量不大又不復(fù)雜的情況
今天學(xué)習(xí)Scrapy,完事之后再做對比

?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:七十年代末让腹,一起剝皮案震驚了整個濱河市远剩,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌骇窍,老刑警劉巖瓜晤,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異像鸡,居然都是意外死亡活鹰,警方通過查閱死者的電腦和手機哈恰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進店門只估,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人着绷,你說我怎么就攤上這事蛔钙。” “怎么了荠医?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵吁脱,是天一觀的道長。 經(jīng)常有香客問我彬向,道長兼贡,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任娃胆,我火速辦了婚禮遍希,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘里烦。我一直安慰自己凿蒜,他們只是感情好禁谦,可當(dāng)我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著废封,像睡著了一般州泊。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上漂洋,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天遥皂,我揣著相機與錄音,去河邊找鬼刽漂。 笑死渴肉,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的爽冕。 我是一名探鬼主播仇祭,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼颈畸!你這毒婦竟也來了乌奇?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤眯娱,失蹤者是張志新(化名)和其女友劉穎礁苗,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體徙缴,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡试伙,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 37,533評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了于样。 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疏叨。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖穿剖,靈堂內(nèi)的尸體忽然破棺而出蚤蔓,到底是詐尸還是另有隱情,我是刑警寧澤糊余,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布秀又,位于F島的核電站,受9級特大地震影響贬芥,放射性物質(zhì)發(fā)生泄漏吐辙。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一蘸劈、第九天 我趴在偏房一處隱蔽的房頂上張望昏苏。 院中可真熱鬧,春花似錦、人聲如沸捷雕。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽救巷。三九已至壶熏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間浦译,已是汗流浹背棒假。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 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. 我叫王不留精盅,地道東北人帽哑。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像叹俏,于是被迫代替她去往敵國和親妻枕。 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 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容

  • 爬蟲文章 in 簡書程序員專題: like:128 - Python 爬取落網(wǎng)音樂 like:127 - 【圖文詳...
    treelake閱讀 29,549評論 33 638
  • 前言 pyspider是支持WebUI的粘驰,支持任務(wù)監(jiān)控屡谐,項目管理,以及多種數(shù)據(jù)庫的一個強大的爬蟲框架蝌数,這個真的很好...
    Wangthirteen閱讀 58,057評論 -1 22
  • 一愕掏、為什么要使用pyspider? 我們很好奇顶伞,我們明明有了Scrapy框架饵撑,為什么還要使用pyspider框架呢...
    田小田txt閱讀 1,127評論 0 0
  • 河邊的蘋果,一個資歷高深的老和尚有很多弟子唆貌。有一天啊滑潘,老和尚同弟子們說,徒弟們挠锥,去前邊的山上拾些柴火回來吧众羡。一眾的...
    趙彬清閱讀 437評論 0 0
  • 驚蟄 春雷始動 枝芽萌出 蟲豸蘇醒 萬物從容~~ 農(nóng)家的春耕 耙出黑土如墨 老牛半睡半醒 跌坐埂頭--慵懶 從容~...
    三葉草yia閱讀 320評論 0 4