当前位置 博文首页 > Django结合使用Scrapy爬取数据入库的方法示例

    Django结合使用Scrapy爬取数据入库的方法示例

    作者:shiguanggege 时间:2021-05-06 18:22

    在django项目根目录位置创建scrapy项目,django_12是django项目,ABCkg是scrapy爬虫项目,app1是django的子应用

    在这里插入图片描述

    2.在Scrapy的settings.py中加入以下代码

    import os
    import sys
    sys.path.append(os.path.dirname(os.path.abspath('.')))
    os.environ['DJANGO_SETTINGS_MODULE'] = 'django_12.settings'  # 项目名.settings
    import django
    django.setup()
    

    3.编写爬虫,下面代码以ABCkg为例,abckg.py

    # -*- coding: utf-8 -*-
    import scrapy
    from ABCkg.items import AbckgItem
     
    class AbckgSpider(scrapy.Spider):
      name = 'abckg'  #爬虫名称
      allowed_domains = ['www.abckg.com'] # 允许爬取的范围
      start_urls = ['http://www.abckg.com/'] # 第一次请求的地址
      def parse(self, response):
        print('返回内容:{}'.format(response))
        """
        解析函数
        :param response: 响应内容
        :return:
        """
        listtile = response.xpath('//*[@]/div/div/h2/a/text()').extract()
        listurl = response.xpath('//*[@]/div/div/h2/a/@href').extract()
     
        for index in range(len(listtile)):
          item = AbckgItem()
          item['title'] = listtile[index]
          item['url'] = listurl[index]
          yield scrapy.Request(url=listurl[index],callback=self.parse_content,method='GET',dont_filter=True,meta={'item':item})
        # 获取下一页
        nextpage = response.xpath('//*[@]/div[1]/div[10]/a[last()]/@href').extract_first()
        print('即将请求:{}'.format(nextpage))
        yield scrapy.Request(url=nextpage,callback=self.parse,method='GET',dont_filter=True)
        # 获取详情页
      def parse_content(self,response):
        item = response.meta['item']
        item['content'] = response.xpath('//*[@]/dd/p').extract()
        print('内容为:{}'.format(item))
        yield item
    
    

    4.scrapy中item.py 中引入django模型类

     pip install scrapy-djangoitem
    
    from app1 import models
    from scrapy_djangoitem import DjangoItem
    
    class AbckgItem(DjangoItem):
      # define the fields for your item here like:
      # name = scrapy.Field()      # 普通scrapy爬虫写法
      # title = scrapy.Field()
      # url = scrapy.Field()
      # content = scrapy.Field()
      django_model = models.ABCkg   # 注入django项目的固定写法,必须起名为django_model =django中models.ABCkg表
    

    5.pipelines.py中调用save()

    import json
    from pymongo import MongoClient
    # 用于接收parse函数发过来的item
    class AbckgPipeline(object):
      # i = 0
      def open_spider(self,spider):
        # print('打开文件')
        if spider.name == 'abckg':
          self.f = open('abckg.json',mode='w')
      def process_item(self, item, spider):
        # # print('ABC管道接收:{}'.format(item))
        # if spider.name == 'abckg':
        #   self.f.write(json.dumps(dict(item),ensure_ascii=False))
        # # elif spider.name == 'cctv':
        # #   img = requests.get(item['img'])
        # #   if img != '':
        # #     with open('图片\%d.png'%self.i,mode='wb')as f:
        # #       f.write(img.content)
        # #   self.i += 1
        item.save()
        return item  # 将item传给下一个管道执行
      def close_spider(self,spider):
        # print('关闭文件')
        self.f.close()
    

    6.在django中models.py中一个模型类,字段对应爬取到的数据,选择适当的类型与长度

    class ABCkg(models.Model):
      title = models.CharField(max_length=30,verbose_name='标题')
      url = models.CharField(max_length=100,verbose_name='网址')
      content = models.CharField(max_length=200,verbose_name='内容')
      class Meta:
        verbose_name_plural = '爬虫ABCkg'
      def __str__(self):
        return self.title
    

    7.通过命令启动爬虫:scrapy crawl 爬虫名称

    8.django进入admin后台即可看到爬取到的数据。

    js
    下一篇:没有了