当前位置 主页 > 网站技术 > 代码类 > 最大化 缩小

    Python Scrapy框架第一个入门程序示例

    栏目:代码类 时间:2020-02-05 18:13

    本文实例讲述了python Scrapy框架第一个入门程序。分享给大家供大家参考,具体如下:

    首先创建项目:

    scrappy start project maitian
    
    

    第二步: 明确要抓取的字段items.py

    import scrapy
    class MaitianItem(scrapy.Item):
      # define the fields for your item here like:
      # name = scrapy.Field()
      title = scrapy.Field()
      price = scrapy.Field()
      area = scrapy.Field()
      district = scrapy.Field()
    
    

    第三步: 在spider目录下创建爬虫文件: zufang_spider.py

    2.1 创建一个类,并继承scrapy的一个子类: scrapy.Spider

    2.2 自定义爬取名, name="" 后面运行框架需要用到;

    2.3 定义爬取目标网址

    2.4 定义scrapy的方法

    下面是简单项目:

    import scrapy
    from maitian.items import MaitianItem
    class MaitianSpider(scrapy.Spider):
      name = "zufang"
      start_urls = ['http://bj.maitian.cn/zfall/PG1']
      def parse(self, response):
        for zufang_itme in response.xpath('//div[@class="list_title"]'):
          yield {
            'title': zufang_itme.xpath('./h1/a/text()').extract_first().strip(),
            'price': zufang_itme.xpath('./div[@class="the_price"]/ol/strong/span/text()').extract_first().strip(),
            'area': zufang_itme.xpath('./p/span/text()').extract_first().replace('㎡', '').strip(),
            'district': zufang_itme.xpath('./p//text()').re(r'昌平|朝阳|东城|大兴|丰台|海淀|石景山|顺义|通州|西城')[0],
          }
        next_page_url = response.xpath(
          '//div[@]/a[@class="down_page"]/@href').extract_first()
        if next_page_url is not None:
          yield scrapy.Request(response.urljoin(next_page_url))
    
    

    第四步: 在settings.py文件中设置数据保存到数据库

    .
    .
    .
    ITEM_PIPELINES = {'maitian.pipelines.MaitianPipeline': 300,}
    MONGODB_HOST = '127.0.0.1'
    MONGODB_PORT = 27017
    MONGODB_DBNAME = 'maitian'
    MONGODB_DOCNAME = 'zufang'
    
    

    第五步: 通过管道pipelines.py 连接上面的操作

    import pymongo
    from scrapy.conf import settings
    class MaitianPipeline(object):
      def __init__(self):
        host = settings['MONGODB_HOST']
        port = settings['MONGODB_PORT']
        db_name = settings['MONGODB_DBNAME']
        client = pymongo.MongoClient(host=host, port=port)
        db = client[db_name]
        self.post = db[settings['MONGODB_DOCNAME']]
      def process_item(self, item, spider):
        zufang = dict(item)
        self.post.insert(zufang)
        return item
    
    

    其中 middlewares.py 文件暂不处理

    以上简单的scrapy爬虫项目搭建完毕了

    更多相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

    希望本文所述对大家基于Scrapy框架的Python程序设计有所帮助。

    下一篇:没有了