医生做学分在哪个网站,在运营中seo是什么意思,wordpress免插件生成地图,联通最低套餐scrapy模块是爬虫工作者最常用的一个模块之一#xff0c;因它有许多好用的模板#xff0c;和丰富的中间件#xff0c;深受欢迎。
一#xff0c;scrapy的安装
可以通过pypi的指引进行安装
在终端内输入以下代码#xff1a;
pip install scrapy
二#xff0c;项目的建…scrapy模块是爬虫工作者最常用的一个模块之一因它有许多好用的模板和丰富的中间件深受欢迎。
一scrapy的安装
可以通过pypi的指引进行安装
在终端内输入以下代码
pip install scrapy
二项目的建立
安装程序后创建自己项目在终端中输入以下代码
scrapy startproject yourprojectname
运行完成后在终端中会提示你执行以下两个命令
需要依次执行
cd yourprojectname
创建你的爬虫模板
scrapy genspider name name.com
name --根目录的名字 name.com --域名
创建好之后在pycharm中可以看到以下的目录 在name.py中编写爬虫项目name.py文件中会自带以下代码
import scrapyclass NameSpider(scapy.Spider):name namestart_urls [url, url....]def parse(self, response):pass
其中name为爬取数据的名字自定义。
此外还要加入要爬取的链接列表。
pase方法为爬取数据的逻辑
使用命令来启动爬虫程序(在终端运行以下代码)
scapy crawl name
也可新建一个文件运行文件来启动爬虫程序,代码如下
from scrapy import cmdlinecmdline.execute(scapy crawl name.split())
split()方法将其分割因为在cmdline中是一个数组
也可将爬虫日志写入在文件中避免输出在终端时因终端可显示的长度有限显示不完全。代码如下
from scrapy import cmdlinecmdline.execute(scapy crawl name --logfile name.log.split())
爬取好的数据可以通过items.py文件中进行配置
将想要的数据进行保存
import scrapyclass HaodaifuItem(scrapy.Item):# define the fields for your item here like:# name scrapy.Field()
存储的项目通过进入piplines.py文件中pipelines.py在settings中默认不开启需要手动开启
# Configure item pipelines
# See https://docs.scrapy.org/en/latest/topics/item-pipeline.html
# 项目管道
ITEM_PIPELINES {xxx.pipelines.Pipeline: 300,xxx.pipelines.xxxPipeline:300,
}
pipslines.py文件中的项目名数值
数值越小优先级越高越先启动数值相同他们的启动顺序将是随机的无法确定哪一个会先启动。在这种情况下scrapy将根据实际情况来决定启动顺序。
