以上内容以 spider 类 获取 start_urls 里面的网页
在这里平时只写一个,是个入口,之后 通过 xpath 生成 url,继续请求,
crawispider 中 多了个 rules
rules 中的参数
link_extractor 用来定义需要提取的连接
allow=() 满足()中正则表达式的 url 会被提取,如果为空则全部匹配,
deny=() 满足()中正则表达式的 url 不提取,优先级高于allow,
callback 回调函数
follow