python爬蟲scrapy基本使用超詳細(xì)教程
一、介紹
官方文檔:中文2.3版本
下面這張圖大家應(yīng)該很熟悉,很多有關(guān)scrapy框架的介紹中都會(huì)出現(xiàn)這張圖,感興趣的再去查詢相關(guān)資料,當(dāng)然學(xué)會(huì)使用scrapy才是最主要的。
二、基本使用
2.1 環(huán)境安裝
1.linux和mac操作系統(tǒng):
pip install scrapy
2.windows系統(tǒng):
- 先安裝wheel:
pip install wheel
- 下載twisted:下載地址
- 安裝twisted:
pip install Twisted‑17.1.0‑cp36‑cp36m‑win_amd64.whl
(記得帶后綴) pip install pywin32
pip install scrapy
3.Anaconda(推薦)
在我一開始學(xué)python使用的就是python3.8,在安裝各種庫的時(shí)候,總會(huì)有各種報(bào)錯(cuò),真的有點(diǎn)讓人奔潰。Anaconda在安裝過程中就會(huì)安裝一些常用的庫,其次,當(dāng)我們想要安裝其他庫時(shí)也很方便。當(dāng)然大家也可以選擇安裝其他的一些軟件,
2.2 scrapy使用流程
這里默認(rèn)大家已經(jīng)安裝好scrapy庫,大家要記得要在命令行里輸入以下命令啊。(我使用的anaconda的命令行)
創(chuàng)建工程
scrapy startproject projectName
進(jìn)入工程目錄:這里一定要進(jìn)入到剛才創(chuàng)建好的目錄中
cd projectName
創(chuàng)建爬蟲文件:創(chuàng)建的爬蟲文件會(huì)出現(xiàn)在之前創(chuàng)建好的spiders文件夾下
scrapy genspider spiderName www.xxx.com
編寫相關(guān)代碼
執(zhí)行爬蟲文件
scrapy crawl spiderName
2.3 文件解析
import scrapy class HelloSpider(scrapy.Spider): name = 'hello' # 爬蟲名稱 # 允許的域名:限定start_urls列表當(dāng)中哪些url可以進(jìn)行請(qǐng)求的發(fā)送 # 通常情況下我們不會(huì)使用 # allowed_domains = ['www.baidu.com'] # 起始的url列表:scrapy會(huì)自動(dòng)對(duì)start_urls列表中的每一個(gè)url發(fā)起請(qǐng)求 # 我們可以手動(dòng)添加我們需要訪問的url start_urls = ['https://www.baidu.com/','https://www.csdn.net/'] def parse(self, response): # 當(dāng)scrapy自動(dòng)向start_urls中的每一個(gè)url發(fā)起請(qǐng)求后,會(huì)將響應(yīng)對(duì)象保存在response對(duì)象中 # 代碼一般是在parse方法中寫 print("response:",response)
2.4 settings.py一些常見的設(shè)置
相當(dāng)于requests中的headers參數(shù)中的User-Agent
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68'
可以忽略或者不遵守robots協(xié)議
ROBOTSTXT_OBEY = False
只有程序出現(xiàn)錯(cuò)誤的情況下,才顯示日志文件,程序正常執(zhí)行時(shí)只會(huì)輸出我們想要的結(jié)果
LOG_LEVEL='ERROR' == scrapy crawl spiderName --nolog //二者是等價(jià)的,當(dāng)然還是推薦使用前者
未加LOG_LEVEL='ERROR'
加LOG_LEVEL='ERROR'
之后
scrapy 爬取文件保存為CSV文件中文亂碼的解決辦法
//下面的設(shè)置可能會(huì)導(dǎo)致繁體出現(xiàn),可以逐個(gè)試一下 FEED_EXPORT_ENCODING = "gb18030" FEED_EXPORT_ENCODING = "utf-8" FEED_EXPORT_ENCODING = "gbk"
三、實(shí)例
3.1 實(shí)例要求
目的:爬取百度網(wǎng)頁的百度熱榜
3.2 實(shí)例代碼
實(shí)例代碼
3.3 輸出結(jié)果
結(jié)果
到此這篇關(guān)于python爬蟲scrapy基本使用超詳細(xì)教程的文章就介紹到這了,更多相關(guān)python爬蟲scrapy使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python通過TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)貓狗識(shí)別
今天小編就為大家分享一篇關(guān)于Python通過TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)貓狗識(shí)別,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2019-03-03Python發(fā)送form-data請(qǐng)求及拼接form-data內(nèi)容的方法
這篇文章主要介紹了Python發(fā)送form-data請(qǐng)求及拼接form-data內(nèi)容的方法,文中采用的是requests的方式發(fā)送multipart/form-data請(qǐng)求,需要的朋友可以參考下2016-03-03python讀取測(cè)試數(shù)據(jù)的多種方式
本文主要介紹了python讀取測(cè)試數(shù)據(jù)的多種方式,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-08-08pycharm如何實(shí)現(xiàn)跨目錄調(diào)用文件
這篇文章主要介紹了pycharm如何實(shí)現(xiàn)跨目錄調(diào)用文件,文中通過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2020-02-02Python利用字典將兩個(gè)通訊錄文本合并為一個(gè)文本實(shí)例
這篇文章主要介紹了Python利用字典將兩個(gè)通訊錄文本合并為一個(gè)文本實(shí)例,具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01Anaconda下安裝mysql-python的包實(shí)例
今天小編就為大家分享一篇Anaconda下安裝mysql-python的包實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-06-06