Python爬虫框架

Python爬虫框架爬虫的框架:scrap:1.Anopensourceandcollaborativeframeworkforextractingthedatayouneedfromwebsites.Inafast,simple,yetextensibleway.1.开源的爬虫框架2.快速、简单、高效的方式2.安装部署3.基本使用1.创建一个项目scrapystartprojecttest_scrapy1…

大家好,欢迎来到IT知识分享网。

爬虫的框架:
scrap :

1.
An open source and collaborative framework for extracting the data you need from websites.
In a fast, simple, yet extensible way.
    1.开源的爬虫框架
    2.快速、简单、高效的方式

2.安装部署

3.基本使用
    1.创建一个项目
    scrapy startproject test_scrapy

        1.项目目录:
            1.scrapy.cfg  【项目的配置文件】
            2.settings.py  【项目的配置文件】
            3. spiders/  【防止 爬虫代码的目录】
    2.编写爬虫代码
        1.创建一个 爬虫代码
        scrapy genspider [options] <name> <domain>

        scrapy genspider python01 www.xxx.com

     ”’
    name:
        1.不能重复
        2.爬虫文件的名字
    ”’
    name = ‘python01’
    ”’
       scrapy 允许爬取的 url 
    ”’
    allowed_domains = [‘www.baidu.com’]
    ”’
        scrapy 去爬取的 url 列表
    ”’
    start_urls = [‘http://www.baidu.com/’,’https://www.sougou.com’]

    3.启动爬虫项目
        1.启动命令
        scrapy runspider [options] <spider_file>

        scrapy runspider ./test_scrapy/spiders/python01.py

        scrapy crawl python01

        scrapy crawl python01 –nolog 【使用命令 不显示日志信息】

        2.数据解析:
            1.标签定位:
                返回 selector(xpath,data[xpath表达式 结果])
            2.数据解析
                返回 selector(xpath,data[xpath表达式 结果])
            
            3.取值
                .get()
                .getall()
        
        3.存储数据【持久化数据】
            scrapy crawl python01 -o ./sanguo.txt 【不支持txt格式】

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/11128.html

(0)
上一篇 2024-03-25 20:45
下一篇 2024-03-26 09:45

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信