欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python網(wǎng)絡(luò)爬蟲(chóng) CrawlSpider使用詳解

 更新時(shí)間:2019年09月27日 16:55:02   作者:陪伴is最長(zhǎng)情的告白  
這篇文章主要介紹了python網(wǎng)絡(luò)爬蟲(chóng) CrawlSpider使用詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

CrawlSpider

  • 作用:用于進(jìn)行全站數(shù)據(jù)爬取
  • CrawlSpider就是Spider的一個(gè)子類
  • 如何新建一個(gè)基于CrawlSpider的爬蟲(chóng)文件
    • scrapy genspider -t crawl xxx www.xxx.com
  • 例:choutiPro

LinkExtractor連接提取器:根據(jù)指定規(guī)則(正則)進(jìn)行連接的提取

Rule規(guī)則解析器:將連接提取器提取到的連接進(jìn)行請(qǐng)求發(fā)送,然后對(duì)獲取的頁(yè)面進(jìn)行指定規(guī)則【callback】的解析

一個(gè)鏈接提取器對(duì)應(yīng)唯一一個(gè)規(guī)則解析器

例:crawlspider深度(全棧)爬取【sunlinecrawl例】

分布式(通常用不到,爬取數(shù)據(jù)量級(jí)巨大、時(shí)間少時(shí)用分布式)

概念:可將一組程序執(zhí)行在多態(tài)機(jī)器上(分布式機(jī)群),使其進(jìn)行數(shù)據(jù)的分布爬取

原生的scrapy框架是否可以實(shí)現(xiàn)分布式?

不能

抽屜

# spider文件

import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule

class ChoutiSpider(CrawlSpider):
  name = 'chouti'
  # allowed_domains = ['www.xxx.com']
  start_urls = ['https://dig.chouti.com/1']

  # 連接提取器:從起始url對(duì)應(yīng)的頁(yè)面中提取符合規(guī)則的所有連接;allow=正則表達(dá)式
  # 正則為空的話,提取頁(yè)面中所有連接
  link = LinkExtractor(allow=r'\d+')
  rules = (
    # 規(guī)則解析器:將連接提取器提取到的連接對(duì)應(yīng)的頁(yè)面源碼進(jìn)行指定規(guī)則的解析
    # Rule自動(dòng)發(fā)送對(duì)應(yīng)鏈接的請(qǐng)求
    Rule(link, callback='parse_item', follow=True),
    # follow:True 將連接提取器 繼續(xù) 作用到 連接提取器提取出來(lái)的連接 對(duì)應(yīng)的頁(yè)面源碼中
  )
  def parse_item(self, response):
    item = {}
    #item['domain_id'] = response.xpath('//input[@id="sid"]/@value').get()
    #item['name'] = response.xpath('//div[@id="name"]').get()
    #item['description'] = response.xpath('//div[@id="description"]').get()
    return item

陽(yáng)光熱線網(wǎng)

# 1.spider文件
import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from sunLineCrawl.items import SunlinecrawlItem,ContentItem
class SunSpider(CrawlSpider):
  name = 'sun'
  # allowed_domains = ['www.xxx.com']
  start_urls = ['http://wz.sun0769.com/index.php/question/questionType?type=4&page=']

  link = LinkExtractor(allow=r'type=4&page=\d+') # 提取頁(yè)碼連接
  link1 = LinkExtractor(allow=r'question/2019\d+/\d+\.shtml') # 提取詳情頁(yè)連接
  rules = (
    Rule(link, callback='parse_item', follow=False),
    Rule(link1, callback='parse_detail'),
  )
  # 解析出標(biāo)題和網(wǎng)友名稱數(shù)據(jù)
  def parse_item(self, response):
    tr_list = response.xpath('//*[@id="morelist"]/div/table[2]//tr/td/table//tr')
    for tr in tr_list:
      title = tr.xpath('./td[2]/a[2]/text()').extract_first()
      net_friend = tr.xpath('./td[4]/text()').extract_first()
      item = SunlinecrawlItem()
      item['title'] = title
      item['net_friend'] = net_friend

      yield item

  # 解析出新聞的內(nèi)容
  def parse_detail(self,response):
    content = response.xpath('/html/body/div[9]/table[2]//tr[1]/td/div[2]//text()').extract()
    content = ''.join(content)
    item = ContentItem()
    item['content'] = content

    yield item
--------------------------------------------------------------------------------
# 2.items文件

import scrapy

class SunlinecrawlItem(scrapy.Item):
  title = scrapy.Field()
  net_friend = scrapy.Field()

class ContentItem(scrapy.Item):
  content = scrapy.Field()
--------------------------------------------------------------------------------
# 3.pipelines文件

class SunlinecrawlPipeline(object):
  def process_item(self, item, spider):
    # 確定接受到的item是什么類型(Content/Sunlinecrawl)
    if item.__class__.__name__ == 'SunlinecrawlItem':
      print(item['title'],item['net_friend'])

    else:
      print(item['content'])

    return item
--------------------------------------------------------------------------------
# 4.setting文件

BOT_NAME = 'sunLineCrawl'

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

LOG_LEVEL = 'ERROR'

USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'

ROBOTSTXT_OBEY = False

ITEM_PIPELINES = {
  'sunLineCrawl.pipelines.SunlinecrawlPipeline': 300,
}

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python:__eq__和__str__函數(shù)的使用示例

    Python:__eq__和__str__函數(shù)的使用示例

    這篇文章主要介紹了Python:__eq__和__str__函數(shù)的使用示例,幫助大家更好的理解和學(xué)習(xí)python,感興趣的朋友可以了解下
    2020-09-09
  • 使用Python開(kāi)發(fā)游戲運(yùn)行腳本成功調(diào)用大漠插件

    使用Python開(kāi)發(fā)游戲運(yùn)行腳本成功調(diào)用大漠插件

    閑來(lái)無(wú)事,想通過(guò)python來(lái)實(shí)現(xiàn)一些簡(jiǎn)單的游戲輔助腳本,而游戲輔助腳本的主要原理就是通過(guò)程序來(lái)查找游戲程序窗口,模擬實(shí)現(xiàn)鼠標(biāo)點(diǎn)擊和鍵盤(pán)按鍵等事件來(lái)實(shí)現(xiàn)游戲輔助的,對(duì)Python開(kāi)發(fā)游戲運(yùn)行腳本相關(guān)知識(shí)感興趣的朋友跟隨小編一起看看吧
    2021-11-11
  • python模塊與C和C++動(dòng)態(tài)庫(kù)相互調(diào)用實(shí)現(xiàn)過(guò)程示例

    python模塊與C和C++動(dòng)態(tài)庫(kù)相互調(diào)用實(shí)現(xiàn)過(guò)程示例

    這篇文章主要為大家介紹了python模塊與C和C++動(dòng)態(tài)庫(kù)之間相互調(diào)用的實(shí)現(xiàn)過(guò)程示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助
    2021-11-11
  • python重試裝飾器的簡(jiǎn)單實(shí)現(xiàn)方法

    python重試裝飾器的簡(jiǎn)單實(shí)現(xiàn)方法

    今天小編就為大家分享一篇python重試裝飾器的簡(jiǎn)單實(shí)現(xiàn)方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-01-01
  • Python中WatchDog的使用經(jīng)驗(yàn)總結(jié)

    Python中WatchDog的使用經(jīng)驗(yàn)總結(jié)

    在?python?中文件監(jiān)視主要有兩個(gè)庫(kù),一個(gè)是?pyinotify,一個(gè)是?watchdog,本文主要為大家詳細(xì)介紹一下Python中WatchDog的使用相關(guān)經(jīng)驗(yàn),感興趣的小伙伴可以了解下
    2023-12-12
  • 詳解Python中datetime庫(kù)的使用

    詳解Python中datetime庫(kù)的使用

    這篇文章主要介紹了Python中datetime庫(kù)的使用,它提供了一系列由簡(jiǎn)單到復(fù)雜的時(shí)間處理方法。datetime 庫(kù)可以從系統(tǒng)中獲得時(shí)間,并以用戶選擇的格式輸出,需要的朋友可以參考下
    2023-04-04
  • 基于Numba提高python運(yùn)行效率過(guò)程解析

    基于Numba提高python運(yùn)行效率過(guò)程解析

    這篇文章主要介紹了基于Numba提高python運(yùn)行效率過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-03-03
  • pyqt5的QWebEngineView 使用模板的方法

    pyqt5的QWebEngineView 使用模板的方法

    這篇文章主要介紹了pyqt5的QWebEngineView 使用模板的方法,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2018-08-08
  • Python中三種花式打印的示例詳解

    Python中三種花式打印的示例詳解

    在Python中有很多好玩的花式打印,我們今天就來(lái)挑戰(zhàn)下面三個(gè)常見(jiàn)的花式打印。文中的示例代碼講解詳細(xì),感興趣的小伙伴快跟隨小編一起學(xué)習(xí)一下吧
    2022-03-03
  • Python 實(shí)現(xiàn)的 Google 批量翻譯功能

    Python 實(shí)現(xiàn)的 Google 批量翻譯功能

    這篇文章主要介紹了Python 實(shí)現(xiàn)的 Google 批量翻譯功能,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-08-08

最新評(píng)論