最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python之Scrapy爬蟲框架安裝及簡單使用詳解

 更新時間:2017年12月22日 09:50:25   作者:leerh  
這篇文章主要介紹了Python之Scrapy爬蟲框架安裝及簡單使用詳解,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧

題記:早已聽聞python爬蟲框架的大名。近些天學習了下其中的Scrapy爬蟲框架,將自己理解的跟大家分享。有表述不當之處,望大神們斧正。

一、初窺Scrapy

Scrapy是一個為了爬取網(wǎng)站數(shù)據(jù),提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架。 可以應(yīng)用在包括數(shù)據(jù)挖掘,信息處理或存儲歷史數(shù)據(jù)等一系列的程序中。

其最初是為了頁面抓取(更確切來說,網(wǎng)絡(luò)抓取)所設(shè)計的, 也可以應(yīng)用在獲取API所返回的數(shù)據(jù)(例如Amazon Associates Web Services) 或者通用的網(wǎng)絡(luò)爬蟲。

本文檔將通過介紹Scrapy背后的概念使您對其工作原理有所了解, 并確定Scrapy是否是您所需要的。

當您準備好開始您的項目后,您可以參考入門教程

二、Scrapy安裝介紹

Scrapy框架運行平臺及相關(guān)輔助工具

  1. Python2.7(Python最新版3.5,這里選擇了2.7版本)
  2. Python Package:pipandsetuptools. 現(xiàn)在pip依賴setuptools,如果未安裝,則會自動安裝setuptools。
  3. lxml. 大多數(shù)Linux發(fā)行版自帶了lxml。如果缺失,請查看http://lxml.de/installation.html
  4. OpenSSL. 除了Windows(請查看平臺安裝指南)之外的系統(tǒng)都已經(jīng)提供。

您可以使用pip來安裝Scrapy(推薦使用pip來安裝Python package).

pip install Scrapy

Windows下安裝流程:

1、安裝Python 2.7之后,您需要修改PATH環(huán)境變量,將Python的可執(zhí)行程序及額外的腳本添加到系統(tǒng)路徑中。將以下路徑添加到PATH中:

C:\Python27\;C:\Python27\Scripts\;

除此之外,還可以用cmd命令來設(shè)置Path:

c:\python27\python.exe c:\python27\tools\scripts\win_add2path.py

安裝配置完成之后,可以執(zhí)行命令python --version查看安裝的python版本。(如圖所示)

2、從http://sourceforge.net/projects/pywin32/安裝pywin32

請確認下載符合您系統(tǒng)的版本(win32或者amd64)

https://pip.pypa.io/en/latest/installing.html安裝pip

3、打開命令行窗口,確認pip被正確安裝:

pip --version

4、到目前為止Python 2.7 及pip已經(jīng)可以正確運行了。接下來安裝Scrapy:

pip install Scrapy

至此windows下Scrapy安裝已經(jīng)結(jié)束。

三、Scrapy入門教程

1、在cmd中創(chuàng)建Scrapy項目工程。

scrapy startproject tutorial

H:\python\scrapyDemo>scrapy startproject tutorial
New Scrapy project 'tutorial', using template directory 'f:\\python27\\lib\\site-packages\\scrapy\\templates\\project', created in:
  H:\python\scrapyDemo\tutorial

You can start your first spider with:
  cd tutorial
  scrapy genspider example example.com

2、文件目錄結(jié)構(gòu)如下:

解析scrapy框架結(jié)構(gòu):

  1. scrapy.cfg: 項目的配置文件。
  2. tutorial/: 該項目的python模塊。之后您將在此加入代碼。
  3. tutorial/items.py: 項目中的item文件。
  4. tutorial/pipelines.py: 項目中的pipelines文件。
  5. tutorial/settings.py: 項目的設(shè)置文件。
  6. tutorial/spiders/: 放置spider代碼的目錄。

3、編寫簡單的爬蟲

1、在item.py中配置需采集頁面的字段實例。

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
from scrapy.item import Item, Field
class TutorialItem(Item):
  title = Field()
  author = Field()
  releasedate = Field()

2、在tutorial/spiders/spider.py中書寫要采集的網(wǎng)站以及分別采集各字段。

# -*-coding:utf-8-*-
import sys
from scrapy.linkextractors.sgml import SgmlLinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from tutorial.items import TutorialItem
reload(sys)
sys.setdefaultencoding("utf-8")
class ListSpider(CrawlSpider):
  # 爬蟲名稱
  name = "tutorial"
  # 設(shè)置下載延時
  download_delay = 1
  # 允許域名
  allowed_domains = ["news.cnblogs.com"]
  # 開始URL
  start_urls = [
    "https://news.cnblogs.com"
  ]
  # 爬取規(guī)則,不帶callback表示向該類url遞歸爬取
  rules = (
    Rule(SgmlLinkExtractor(allow=(r'https://news.cnblogs.com/n/page/\d',))),
    Rule(SgmlLinkExtractor(allow=(r'https://news.cnblogs.com/n/\d+',)), callback='parse_content'),
  )

  # 解析內(nèi)容函數(shù)
  def parse_content(self, response):
    item = TutorialItem()

    # 當前URL
    title = response.selector.xpath('//div[@id="news_title"]')[0].extract().decode('utf-8')
    item['title'] = title

    author = response.selector.xpath('//div[@id="news_info"]/span/a/text()')[0].extract().decode('utf-8')
    item['author'] = author

    releasedate = response.selector.xpath('//div[@id="news_info"]/span[@class="time"]/text()')[0].extract().decode(
      'utf-8')
    item['releasedate'] = releasedate

    yield item

3、在tutorial/pipelines.py管道中保存數(shù)據(jù)。

# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import json
import codecs
class TutorialPipeline(object):
  def __init__(self):
    self.file = codecs.open('data.json', mode='wb', encoding='utf-8')#數(shù)據(jù)存儲到data.json

  def process_item(self, item, spider):
    line = json.dumps(dict(item)) + "\n"
    self.file.write(line.decode("unicode_escape"))

    return item

4、tutorial/settings.py中配置執(zhí)行環(huán)境。

# -*- coding: utf-8 -*-
BOT_NAME = 'tutorial'
SPIDER_MODULES = ['tutorial.spiders']
NEWSPIDER_MODULE = 'tutorial.spiders'

# 禁止cookies,防止被ban
COOKIES_ENABLED = False
COOKIES_ENABLES = False

# 設(shè)置Pipeline,此處實現(xiàn)數(shù)據(jù)寫入文件
ITEM_PIPELINES = {
  'tutorial.pipelines.TutorialPipeline': 300
}

# 設(shè)置爬蟲爬取的最大深度
DEPTH_LIMIT = 100

5、新建main文件執(zhí)行爬蟲代碼。

from scrapy import cmdline
cmdline.execute("scrapy crawl tutorial".split())

最終,執(zhí)行main.py后在data.json文件中獲取到采集結(jié)果的json數(shù)據(jù)。

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python獲取網(wǎng)頁數(shù)據(jù)的五種方法

    Python獲取網(wǎng)頁數(shù)據(jù)的五種方法

    在 Python 中,爬蟲用于自動化獲取網(wǎng)頁數(shù)據(jù),你可以使用多種方法來抓取網(wǎng)頁內(nèi)容,具體使用哪種方法取決于網(wǎng)頁的結(jié)構(gòu)、內(nèi)容類型以及你所需的精確度,以下是常見的 5 種獲取網(wǎng)頁數(shù)據(jù)的方式,需要的朋友可以參考下
    2025-01-01
  • Python基于staticmethod裝飾器標示靜態(tài)方法

    Python基于staticmethod裝飾器標示靜態(tài)方法

    這篇文章主要介紹了Python基于staticmethod裝飾器標示靜態(tài)方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-10-10
  • Python畫圖學習入門教程

    Python畫圖學習入門教程

    這篇文章主要介紹了Python畫圖的方法,結(jié)合實例形式分析了Python基本的線性圖、餅狀圖等繪制技巧,具有一定參考借鑒價值,需要的朋友可以參考下
    2016-07-07
  • Python中的字符串類型基本知識學習教程

    Python中的字符串類型基本知識學習教程

    這篇文章主要介紹了Python中的字符串類型基本知識學習教程,包括轉(zhuǎn)義符和字符串拼接以及原始字符串等基礎(chǔ)知識講解,需要的朋友可以參考下
    2016-02-02
  • 詳解python數(shù)組中的符號...與:符號的不同之處

    詳解python數(shù)組中的符號...與:符號的不同之處

    這篇文章主要介紹了詳解python數(shù)組中的符號...與:符號的不同之處,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2021-03-03
  • Python集合的增刪改查操作

    Python集合的增刪改查操作

    這篇文章主要介紹了Python集合的增刪改查操作,其增刪改查操作要看集合的類型來決定,不可變的數(shù)據(jù)當然不能增刪改,只能查詢,可變集合則限制稍微少點。下面和小編一起進放入文章了解更多相關(guān)內(nèi)容吧
    2022-03-03
  • 樹莓派安裝OpenCV3完整過程的實現(xiàn)

    樹莓派安裝OpenCV3完整過程的實現(xiàn)

    這篇文章主要介紹了樹莓派安裝OpenCV3完整過程的實現(xiàn),小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2019-10-10
  • 8個Python編程進階常用技巧分享

    8個Python編程進階常用技巧分享

    介紹?Python?炫酷功能的文章層出不窮,但是還有很多?Python?的編程小技巧鮮被提及,所以本文會試著介紹一些其它文章沒有提到的小技巧,讓我們一探究竟吧
    2023-07-07
  • caffe的python接口caffemodel參數(shù)及特征抽取示例

    caffe的python接口caffemodel參數(shù)及特征抽取示例

    這篇文章主要介紹了caffe的python接口caffemodel參數(shù)及特征抽取示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2022-06-06
  • Python基于Tensorflow2.X實現(xiàn)汽車油耗預(yù)測

    Python基于Tensorflow2.X實現(xiàn)汽車油耗預(yù)測

    這篇文章主要為大家詳細介紹了Python基于Tensorflow2.X實現(xiàn)汽車油耗預(yù)測的相關(guān)方法,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下
    2023-02-02

最新評論

三河市| 左云县| 郎溪县| 靖西县| 镶黄旗| 当阳市| 大悟县| 汝城县| 子长县| 沾化县| 公主岭市| 宣城市| 兴化市| 浑源县| 亚东县| 朔州市| 青海省| 石家庄市| 乃东县| 武冈市| 临汾市| 榕江县| 上栗县| 利津县| 河东区| 武穴市| 抚宁县| 伊川县| 庆城县| 双流县| 邢台县| 辉县市| 普定县| 成都市| 方正县| 蕉岭县| 静安区| 邵阳县| 崇州市| 东乡族自治县| 黔东|