如何用 scrapy 命令行访问、解析网页数据

栏目: 编程工具 · 发布时间: 5年前

内容简介:本文写作目的是为了让初学者了解scrapy命令行如何:安装好scrapy库之后,我们就可以命令行中创建项目。我一般喜欢先将命令行工作目录切换到desktop,之后才创建项目。创建项目的语法

本文写作目的是为了让初学者了解scrapy命令行如何:

  1. 创建项目

  2. 创建爬虫

  3. 数据定位(设计parse函数)

  4. 试运行parse函数。

安装scrapy

创建scrapy项目

安装好scrapy库之后,我们就可以命令行中创建项目。我一般喜欢先将命令行工作目录切换到desktop,之后才创建项目。创建项目的语法

如何用 scrapy 命令行访问、解析网页数据

请求方法

平常的话,我们在scrapy项目的命令行中这样访问一个网址

但是有很多网站会封锁我们的爬虫请求,这时候我们需要设置 -s USER_AGENT 参数。

经过访问后,我们就可以使用response来调用得到的响应数据。

请求实例

比如我们在这里直接访问 简书 https://www.jianshu.com/

如何用 scrapy 命令行访问、解析网页数据

我们发现用最简单的方式去访问得到的响应状态码是403,说明爬虫被封了。所以我们需要设置user-agent,伪装成浏览器。

如何用 scrapy 命令行访问、解析网页数据

经过伪装后的请求得到200状态码,说明访问正常。

解析响应数据

上面请求很顺利,大家不要被大量的日志吓到。接下来我们就需要解析网页数据。不过解析前我们需要在scrapy项目中先创建爬虫脚本。我们需要先切换到learn_scrapy这个文件夹内,再创建爬虫脚本。语法

如何用 scrapy 命令行访问、解析网页数据

设计爬虫-定位数据

刚刚我们已经成功访问并得到简书的响应response,现在我们想获取简书页面的中的标题。

如何用 scrapy 命令行访问、解析网页数据

F12键打开开发者工具,之后定位到这个标题后右键选中 Copy ,点击 Copy xpath 即可获得该标题对应的xpath表达式。之后 jianshu.py 中的parse函数中撰写数据定位代码。对xpath语法不熟悉的童鞋可点击本文学习  scrapy中Xpath表达式总结

如何用 scrapy 命令行访问、解析网页数据

现在只是设计出解析标题所在标签的xpath表达式,但是是否奏效还未可知。因此接下来我们需要命令行测试定义的parse()函数。这里我们用到

不过刚刚在前面我们已经知道简书会封锁我们的爬虫,因此在这里我们还需要设置USER_AGETN参数。因此命令行的命令为

如何用 scrapy 命令行访问、解析网页数据

刚刚的定位还有点粗糙,现在我们再精确到标题,输出当前页面的所有标题。从下图得知,标题位于 li>div>a中的文本中

如何用 scrapy 命令行访问、解析网页数据

现在我们更改代码中的xpath表达式,并运行代码

如何用 scrapy 命令行访问、解析网页数据

好了,现在我们已经可以正确的定位到数据。

总结

为了让学习变得可观生动直接,本文全程制作了gif动画,但这也使得讲解的粒度太细,导致内容篇幅太长,不利于学习。所以本文只用容易被封锁的简书网作为案例,教初学者如何使用scrapy 命令行创建项目、创建爬虫、数据定位、试运行parse函数。未来还会以gif动画的形式去讲解爬虫,讲解scrapy,希望大家多多支持^_^。觉得gif动图好的童鞋们,记得给我好看啊。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

SCWCD Exam Study Kit Second Edition

SCWCD Exam Study Kit Second Edition

Hanumant Deshmukh、Jignesh Malavia、Matthew Scarpino / Manning Publications / 2005-05-20 / USD 49.95

Aimed at helping Java developers, Servlet/JSP developers, and J2EE developers pass the Sun Certified Web Component Developer Exam (SCWCD 310-081), this study guide covers all aspects of the Servlet an......一起来看看 《SCWCD Exam Study Kit Second Edition》 这本书的介绍吧!

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

RGB CMYK 转换工具
RGB CMYK 转换工具

RGB CMYK 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具