长期更新 (๑• . •๑)
平时有个习惯，会把自己的笔记写在有道云里面，现在做个整理。会长期更新，因为我是BUG制造机。
解析
xpath提取所有节点文本
平时有个习惯，会把自己的笔记写在有道云里面，现在做个整理。会长期更新，因为我是BUG制造机。
使用xpath的string(.)
如何解决详情页面元素改变
这个问题是这样产生的，在很多PC站，比如链家，这个页面有这些字段A，但是下个页面这个字段A没了，取而代之的是字段B，在xpath定位时就失效了。这个问题很常见，大体思路是这样的。
- 创建一个包含所有字段的dict:
data = {}.fromkeys(('url', 'price', 'address')) - 然后根据网页中是否有字段来取值，例如，有’url’就取对应的value，没有则为空
- 这样就可以完美解决匹配不全问题
Scrapy 相关
文件编写
逻辑文件和解析部分分开写，匹配文件目录是utils/parse/，爬虫文件目录是spiders/
Scrapy 中文乱码
在 setting 文件中设置：FEED_EXPORT_ENCODING = 'utf-8'
Scrapy 使用Mongo
pipelines.py
- 首先我们要从settings文件中读取数据的地址、端口、数据库名称。
- 拿到数据库的基本信息后进行连接。
- 将数据写入数据库（update制定唯一键）
- 关闭数据库
注意：只有打开和关闭是只执行一次，而写入操作会根据具体的写入次数而定。
Redis 无需关闭
scrapy图片下载
scrapy 暂停爬虫
scrapy crawl somespider -s JOBDIR=crawls/somespider-1
scrapy_redis 分布式
使用队列与去重即可完成分布式需求，需要注意的是 Redis 格式，默认采用的是 list， 可以在 settings.py 文件中设置 REDIS_START_URLS_AS_SET = True，使用 Redis的 set类型（去重种子链接）
安装
超时问题
自定义超时时间
sudo pip3 --default-timeout=100 install -U scrapy
或者 使用其他源
sudo pip3 install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple
权限问题
安装某模块时，报错：PermissionError: [WinError 5] 拒绝访问。: 'c:\\program files\\python35\\Lib\\sit e-packages\\lxml'
最简单方法：pip install --user lxml
Pycharm 相关
.gitignore 文件
安装插件： Preferences > Plugins > Browse repositories... > Search for ".ignore" > Install Plugin
然后就可以很方便的添加到 .gitignore
显示函数
点击 Show Members，查看目录，会显示相应的类和函数
激活码
数据
Mongo导出命令
λ mongoexport -d test -c set --type=csv -f name,age -o set.csv
λ mongoexport -h 10.10.10.11 -d test -c test --type=csv -f url,id,title -o data.csv
其他
requirements.txt 文件
小提示：使用 pigar 可以一键生成 requirements.txt 文件
Installation：pip install pigar
Usage：pigar
好了，今天先写这点，以后再补上。
在学习中有迷茫不知如何学习的朋友小编推荐一个学Python的学习裙【639584010】无论你是大牛还是小白，是想转行还是想入行都可以来了解一起进步一起学习！裙内有开发工具，很多干货和技术资料分享！