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爬取数据_scrapy爬取多页数据?

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爬取数据_scrapy爬取多页数据?

基本操作:python—scrapy数据解析、存储_郑*杰的博客-CSDN博客

一、爬取不同页面但数据解析相同的数据
当前文件:D:python_testscrapyProjectscrapyProjectspidersfirst.py

import scrapy
from ..items import ScrapyprojectItem
class FirstSpider(scrapy.Spider):
    name = 'first'
    start_urls = ['https://pic.netb**ian.com/4kmeinv/']
    page_num=2
    def parse(self, response):
        list_li = response.xpath('//*[@id="main"]/div[3]/ul/li')
        for li  in list_li:
            title = li.xpath('.//b/text()').extract_first()
            title_url = 'https://pic.netbian.com/'+li.xpath('.//img/@src').extract_first()
            item = ScrapyprojectItem()
            item['img_url']=title_url
            item['img_title']=title
            yield item

        if self.page_num<4:
            new_url = f'https://pic.netb**ian.com/4kmeinv/index_{self.page_num}.html'
            self.page_num += 1
            # 如果爬取的页面的数据解析是一样的,直接调用回自己即可
            yield scrapy.Request(url=new_url,callback=self.parse)

二、爬取不同页面,且数据解析不同的页面

当前文件:D:python_testscrapyProjectscrapyProjectspiderssec.py

# 爬取不同页面的数据
import scrapy
from ..items import politicsNewest

class FirstSpider(scrapy.Spider):
    name = 'sec'
    start_urls = ['https://wz.sun**0769.com/political/index/politicsNewest']
    page_num=2
    def parse(self, response):
        list_li = response.xpath('/html/body/div[2]/div[3]/ul[2]/li')
        for a  in list_li:
            title = a.xpath('./span[3]/a/text()').extract_first()
            title_url = 'https://wz.sun0769.com/'+a.xpath('./span[3]/a/@href').extract_first()
            item = politicsNewest()
            item['content_title'] = title
            # meta 可以将item对象传给callback
            # 当页面数据解析不同时,再写一个函数进行回调解析即可
            yield scrapy.Request(url=title_url,callback=self.parse_detail,meta={'item':item})
        if self.page_num<3:
            new_url = f'https://wz.sun**0769.com/political/index/politicsNewest?id=1&page={self.page_num}'
            print(new_url)
            self.page_num += 1
            yield scrapy.Request(url=new_url,callback=self.parse)

    def parse_detail(self, response):
        meta = response.meta # 接收上面传过来的meta字典
        item = meta['item']
        content = response.xpath('/html/body/div[3]/div[2]/div[2]/div[2]//text()').extract()
        content = ''.join(content).strip()
        item['content_data'] = content
        yield item

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/783632.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