栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

Scrapy爬虫框架_Python网络爬虫框架Scrapy从入门到精通?

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Scrapy爬虫框架_Python网络爬虫框架Scrapy从入门到精通?

源代码文件:

import scrapy
import json
from..items import Db250Item
class W666Spider(scrapy.Spider):
    name = 'w666'
    allowed_domains = ['movie.douban.com']
    start_urls = ['http://movie.douban.com/top250']
    page_num=0

    def parse(self, response):
        node_list=response.xpath('//div[@]')
        if node_list:
            for i  in node_list:
                movies_name=i.xpath('.//div/a/span/text()').get()
                director = i.xpath('./div/p/text()').get().strip()
                score = i .xpath('//span[@]/text()').get()
                item=Db250Item()
                item["movies_name"]=movies_name
                item["director"]=director
                item["score"]=score
                yield item

            self.page_num +=1
            new_url='https://movie.douban.com/top250?start={}&filter='.format(self.page_num*25)

            yield scrapy.Request(new_url,callback=self.parse)
        else:
            return

 items.py:

import scrapy


class Db250Item(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    movies_name=scrapy.Field()
    director=scrapy.Field()
    score=scrapy.Field()

 管道pipelines.py:

​​​​​​

import json

class Db250Pipeline:
    def open_spider(self,spider):
        self.f = open('wxin.txt','w',encoding='utf-8')
    def process_item(self, item, spider):
        json_str=json.dumps(dict(item),ensure_ascii=False)+'n'
        self.f.write(json_str)
        return item
    def close_spider(self):
        self.f.close()

 settings.py需要修改以及激活的内容:

ROBOTSTXT_OBEY =False #这个默认的是Ture,必须该成Flase,要不然就爬取不到数据
DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
  'User-Agent':' Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.82 Safari/537.36'
}    #这个必须要去network里找到user-agent,然后添加进去,如果不加大概率是爬不到数据的
ITEM_PIPELINES = {
   'db250.pipelines.Db250Pipeline': 300,
}   #这个储存管道设定后必须激活的,才能进行持久化保存

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/783604.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号