scrapy框架介绍
Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架,非常出名,非常强悍。所谓的框架就是一个已经被集成了各种功能(高性能异步下载,队列,分布式,解析,持久化等)的具有很强通用性的项目模板。对于框架的学习,重点是要学习其框架的特性、各个功能的用法即可。
scrapy安装
Windows: # 跟步骤走即可
a. pip3 install wheel
b. 下载twisted http:
/
/
www.lfd.uci.edu
/
~gohlke
/
pythonlibs
/
#twisted # 下载你当前python的版本
c. 进入下载目录,执行 pip3 install Twisted‑
17.1
.
0
‑cp35‑cp35m‑win_amd64.whl
d. pip3 install pywin32
e.
pip3 install scrapy
完成上步骤后
创建项目 scrapy startproject 项目名
目录结构 : 如图
文件介绍
scrapy.cfg 项目的主配置信息。(真正爬虫相关的配置信息在settings.py文件中)
items.py 设置数据存储模板,用于结构化数据,如:Django的Model
pipelines 数据持久化处理
settings.py 配置文件,如:递归的层数、并发数,延迟下载等
spiders 爬虫目录,如:创建文件,编写爬虫解析规则
创建爬虫应用 cd到项目目录 执行 scrapy genspide 程序名(py名字) 爬取的网页(url)
(例如:scrapy genspider qiubai www.qiushibaike.com)
创建完成后 会在如图生成文件
创建后修改settings.py中的配置:如图
USER_AGENT : 身份伪装
ROBOTSTXT_OBEY : 遵从协议 (False) 不遵从 默认Ture
修改完成后 执行 scrapy crawl qiubai(py名) --nolog(不打印日志) 运行程序
在spiders目录下创建的项目(爬虫文件)