Python Scrapy爬虫框架如何使用

本文介绍了关于“如何使用Python爬虫框架”的知识。很多人在实际办案过程中都会遇到这样的困难。接下来，让边肖带领大家学习如何应对这些情况！希望大家认真阅读，学点东西！

1、项目创建

创建一个剪贴簿项目非常简单。一般来说，为了快速创建，可以通过终端直接输入以下代码：

scrapystartprojectzhuanti_new

如果你想在不同的文件中创建这个项目，你需要先找到相应的文件路径。当然也可以通过pycharm点击对应文件左下角的终端直接创建，项目会在对应的项目文件中直接创建一个Scrapy项目。

2、Scrapy项目文件介绍

下面的截图展示了一个Scrapy项目有哪些文件，需要同时创建和生成哪些文件，后面会一一介绍。

(1)顶层zhuanti_new文件夹是Scrapy的项目名称。

(2)第二层有4个文件：

第一个：和项目同名的文件就是我们通常所说的爬虫包，所有的爬虫代码都在这个包里。

第二个：main文件，是用来运行这个项目的主要功能代码文件。代码编写完成后，它将作为一个整体在这个文件中运行。

3号：配置文件，说明默认设置文件的位置是Juanti _ new模块下的设置文件，将项目名称定义为Juanti _ new。

第4:用于存储搜索结果的txt文件

对于第一个文件中的关键代码文件，请逐一介绍：

(1)items.py文件：定义爬虫捕获的字段信息。

(2)pipelines.py文件：主要用于数据处理、清洗和存储。

(3)settings.py:主要用于设置请求头、告警处理等相关问题。

(4) Zhuantspider.py文件：专注于数据抓取过程的代码文件，也是新建立的文件。

代码如下：

从zhuanti_new.items导入zhuantiewiteimport scrapy from scrapy . selector class导入jianuspiderspider(scrapy。spider): name=' zhantispider ' allowed _ domain=[' jianshu.com ']start _ URL=[' https://www . jianshu.com/records？page=1 order _ by=hot ']# print(start _ URL)def parse(self，response) : ' '解析外部页面'''选择器=selector (response) nbsp

; partical_urls = selector.re('<div class="count"><a target="_blank" href="(.*?)">', selector)       for url in partical_urls:           print(url)           right_url = response.urljoin(url)           #print(right_url)           parts = ['?order_by=added_at&page={0}'.format(k) for k in range(1, 11)]           for part in parts:               # 要爬取每个专题的前10个文章的信息               real_url = right_url + part               #print(real_url)               yield scrapy.Request(real_url, callback=self.parse_detail)
      links = ['https://www.jianshu.com/recommendations/collections?page={}&order_by=hot'.format(i) for i in                range(2, 3)]       for link in links:           print(link)           request = scrapy.Request(link, callback=self.parse)           yield request
  def parse_detail(self, response):       selector = Selector(response)       content = selector.xpath('//div[@class="content"]')       for detail in content:           try:               title = detail.xpath('a[1]/text()').extract_first()               summary = detail.xpath('p/text()').extract_first().strip()               author = detail.xpath('div/a[1]/text()').extract_first()               # comments = detail.xpath('div/a[2]/text()').extract_first()这样是不行的               comments = detail.xpath('div/a[2]/text()').extract()[1].strip()               likes = detail.xpath('div/span[1]/text()').extract_first().strip()               money = detail.xpath('div/span[2]/text()').extract_first()
              item = ZhuantiNewItem()               if money is not None:                   item['title'] = title                   item['summary'] = summary                   item['author'] = author                   item['comments'] = comments                   item['likes'] = likes                   item['money'] = money.strip()               else:                   item['title'] = title                   item['summary'] = summary                   item['author'] = author                   item['comments'] = comments                   item['likes'] = likes               print(item)               yield item           except:               pass

以上就是最主要的几个文件，对于初学者只要按照对应要求完成这几个文件的代码填写就可以爬取到数据。

3、案例运行及结果

现在开始运行整体代码，就需要创建上述的main文件了，具体main文件代码如下：

运行的爬虫文件为：zhuantispider，务必不要写成Scrapy项目名称

爬取运行结果如下：

“Python Scrapy爬虫框架如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！