阅读 380

以『某站』为实战案例!手把手教你掌握爬虫必备框架『Scrapy』

这是我参与更文挑战的第15天,活动详情查看: 更文挑战

1、前言

作为爬虫一员,掌握一门爬虫框架是必备技能,因此作为一名小白的你,我想向你推荐『Scrapy』。

具体『Scrapy』是什么,作用这些就不啰嗦(都是废话,百度有Scrapy简介),时间宝贵,就直接上干货(实战案例带你体验scrapy的使用)。

下面会以『B站』为目标进行实战!

2、Scrapy入门实战

1.环境准备

安装scrapy

pip install scrapy
复制代码

通过上面这个命令即可直接安装好scrapy库

2.建立scrapy项目

scrapy startproject Bili
复制代码

通过上面这个命令可以建立一个项目名称:Bili 的爬虫项目。

这里就可以在桌面建立了一个名字为:Bili 的爬虫项目

项目结构

Bili
复制代码

各个文件作用

scrapy.cfg:项目的总配置文件,通常无须修改。

Bili:项目的 Python 模块,程序将从此处导入 Python 代码。
    
Bili/items.py:用于定义项目用到的 Item 类。Item 类就是一个 DTO(数据传输对象),通常就是定义 N 个属性,该类需要由开发者来定义。
    
Bili/pipelines.py:项目的管道文件,它负责处理爬取到的信息。该文件需要由开发者编写。
    
Bili/settings.py:项目的配置文件,在该文件中进行项目相关配置。
    
Bili/spiders:在该目录下存放项目所需的蜘蛛,蜘蛛负责抓取项目感兴趣的信息。
复制代码

3.明确爬取内容

https://search.bilibili.com/all?keyword=%E8%AF%BE%E7%A8%8B&page=2
复制代码

以上面链接为例(B站),爬取视频的标题(title)链接(url)

4.定义项目中每一个类

Items类

import scrapy
复制代码

爬取字段是视频的标题(title)链接(url),所以对于了title和url两个变量

定义spider类

spider类作用是自定义网页解析规则(新建scrapy项目是没有的,需要自己新建)。

Scrapy 为创建 Spider 提供了 scrapy genspider 命令,该命令的语法格式如下:

scrapy genspider [options] <name> <domain>
复制代码

在命令行窗口中进入 Bili 目录下,然后执行如下命令即可创建一个 Spider:

scrapy genspider lyc "bilibili.com"
复制代码

运行上面命令,即可在 Bili 项目的 Bili /spider 目录下找到一个 lyc.py 文件
编辑lyc.py

import scrapy
复制代码

修改pipeline类

这个类是对爬取的文件最后的处理,一般为负责将所爬取的数据写入文件或数据库中.。
这里我们将它输出到控制台.

from itemadapter import ItemAdapter
复制代码

修改settings类

BOT_NAME = 'Bili'
复制代码

一个 Scarpy项目的简单架构就完成了我们可以运行一下试试.

启动项目

scrapy crawl lyc
复制代码

但只有 一页的内容 , 我们可以解析下一页 .
将以下代码加到 lyc.py

import scrapy
复制代码

下一页爬取

再次执行 , 就会一页一页的爬取 .

3、总结

1、为了大家方便学习,我把本文的完整源码上传,需要的通过同名公众回复:scrapy框架

2、通过实战案例『B站』,手把手实现scrapy项目的创建,解析网页,最后成功爬取数据并打印(保存)

3、适合小白入门scrapy,欢迎收藏,分析,学习

文章分类
后端
文章标签