作者:罗罗攀 Python爱好者社区专栏作者 Python爬虫爱好者 博客地址:http://www.jianshu.com/u/9104ebf5e177 一、初窥scrapyscrapy中文文档: http://scrapy-chs./zh_CN/latest/ Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中。其最初是为了 页面抓取 (更确切来说, 网络抓取 )所设计的, 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。
scrapy是一个很好的爬虫框架,集爬取、处理、存储为一体,为无数爬虫爱好者所热捧,但个人认为对初学者并不友好,建议初学者打好基础再来看scrapy。 二、昨夜西风凋碧树,独上高楼,望尽天涯路(安装库)本以为自己安装Python库已经有一定的理解和方法了,结果还是栽在了安装scrapy库上,本人是win7系统+Python3.5的环境。先给大家丢个安装Python库的网站: http://www.lfd./~gohlke/pythonlibs/#lxml 1 lxml库的安装 通过网站下载安装(具体安装方法见后面视频) 2 zope.interface库安装 pip3 install zope.interface 3 twisted库安装 通过网站下载安装 4 pyOpenSSL库安装 pip3 install pyOpenSSL 5 pywin32库安装 通过网站下载安装 6 pip3 install scrapy 你以为这样就结束了,天真,我在运行程序的时候说没有pywin32的DLL,当时我一脸懵逼,用黑窗口导入pywin32结果报错,还好在好友的帮助下解决了
错误图
解决方法1
解决方法2 把图三的文件拷贝到C:\Windows\System32 三、衣带渐宽终不悔,为伊消得人憔悴(各种出错)创建scrapy项目: scrapy startproject xiaozhu #今天还是爬取小猪短租数据
scrapy项目文件结构: xiaozhu/ scrapy.cfg #配置文件 xiaozhu/ __init__.py items.py #定义需要抓取并需要后期处理的数据 pipelines.py #用于后期数据处理的功能 settings.py #文件配置scrapy spiders/ __init__.py ...
1 错误一
错误图
出错原因 解决方案代码见下
2 错误二无法导出为csv,看了向右奔跑的导出csv代码,在我本地电脑无法导出 然来去scrapy文档看了下,对settings.py进行了修改如下: FEED_URI = 'file:C://Users/Administrator/Desktop/xiaozhu.csv'FEED_FORMAT = 'csv' #csv小写
四、纵里寻他千百度,蓦然回首,那人却在灯火阑珊处(代码运行成功)1 items.py代码from scrapy.item import Item,Fieldclass XiaozhuItem(Item): address = Field() price = Field() lease_type = Field() bed_amount = Field() suggestion = Field() comment_star = Field() comment_amount = Field()
2 新建xiaozhuspider.pyimport scrapyimport syssys.path.append('..') #解决问题1from scrapy.spiders import CrawlSpiderfrom scrapy.selector import Selectorfrom scrapy.http import Requestfrom xiaozhu.items import XiaozhuItemclass xiaozhu(CrawlSpider): name = 'xiaozhu' start_urls = ['http://bj./search-duanzufang-p1-0/'] def parse(self, response): item = XiaozhuItem() selector = Selector(response) commoditys = selector.xpath('//ul[@class='pic_list clearfix']/li') for commodity in commoditys: address = commodity.xpath('div[2]/div/a/span/text()').extract()[0] price = commodity.xpath('div[2]/span[1]/i/text()').extract()[0] lease_type = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[0].strip() bed_amount = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[1].strip() suggestion = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[2].strip() infos = commodity.xpath('div[2]/div/em/span/text()').extract()[0].strip() comment_star = infos.split('/')[0] if '/' in infos else '无' comment_amount = infos.split('/')[1] if '/' in infos else infos item['address'] = address item['price'] = price item['lease_type'] = lease_type item['bed_amount'] = bed_amount item['suggestion'] = suggestion item['comment_star'] = comment_star item['comment_amount'] = comment_amount yield item urls = ['http://bj./search-duanzufang-p{}-0/'.format(str(i)) for i in range(1, 14)] for url in urls: yield Request(url, callback=self.parse)
3 新建main.py(运行main.py就可以运行爬虫了) from scrapy import cmdline cmdline.execute(“scrapy crawl xiaozhu”.split())
结果
五、视频 https://v.qq.com/x/page/t0356cp46sw.html 第一次录制视频,见笑,大爷们觉得好可以赏二个铜板哦!!!
|