腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

python爬蟲(chóng)scrapy基本使用超詳細(xì)教程

更新時(shí)間：2021年02月20日 10:22:57 作者：小王子愛(ài)上玫瑰

這篇文章主要介紹了python爬蟲(chóng)scrapy基本使用,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

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。

在這里插入圖片描述

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(kāi)始學(xué)python使用的就是python3.8，在安裝各種庫(kù)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(guò)程中就會(huì)安裝一些常用的庫(kù)，其次，當(dāng)我們想要安裝其他庫(kù)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，

在這里插入圖片描述

2.2 scrapy使用流程

這里默認(rèn)大家已經(jīng)安裝好scrapy庫(kù)，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

在這里插入圖片描述

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

在這里插入圖片描述

創(chuàng)建爬蟲(chóng)文件：創(chuàng)建的爬蟲(chóng)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

在這里插入圖片描述

編寫(xiě)相關(guān)代碼

執(zhí)行爬蟲(chóng)文件

scrapy crawl spiderName

在這里插入圖片描述

2.3 文件解析

import scrapy

class HelloSpider(scrapy.Spider):
 name = 'hello' # 爬蟲(chóng)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(wèn)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(xiě)
 print("response:",response)

在這里插入圖片描述

2.4 settings.py一些常見(jiàn)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'

在這里插入圖片描述

加LOG_LEVEL='ERROR'之后

在這里插入圖片描述

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"

在這里插入圖片描述

三、實(shí)例

3.1 實(shí)例要求

目的：爬取百度網(wǎng)頁(yè)的百度熱榜

在這里插入圖片描述

3.2 實(shí)例代碼

實(shí)例代碼

在這里插入圖片描述

3.3 輸出結(jié)果

結(jié)果

在這里插入圖片描述

到此這篇關(guān)于python爬蟲(chóng)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(chóng)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！

您可能感興趣的文章: