首先装pymongo,pyspider,具体安装方法不讲解，然后
命令行下执行
pyspider all这句命令的意思是，运行 pyspider 并 启动它的所有组件。
可以发现程序已经正常启动，并在 5000 这个端口运行。
下来在浏览器中输入 http://localhost:5000，可以看到 PySpider 的主界面，点击右下角的 Create，命名为 pyshiderlianxi，当然名称你可以随意取，继续点击 Create。
整个页面分为两栏，左边是爬取页面预览区域，右边是代码编写区域。下面对区块进行说明：
左侧绿色区域：这个请求对应的 JSON 变量，在 PySpider 中，其实每个请求都有与之对应的 JSON 变量，包括回调函数，方法名，请求链接，请求数据等等。
绿色区域右上角Run：点击右上角的 run 按钮，就会执行这个请求，可以在左边的白色区域出现请求的结果。
左侧 enable css selector helper: 抓取页面之后，点击此按钮，可以方便地获取页面中某个元素的 CSS 选择器。
左侧 web: 即抓取的页面的实时预览图。
左侧 html: 抓取页面的 HTML 代码。
左侧 follows: 如果当前抓取方法中又新建了爬取请求，那么接下来的请求就会出现在 follows 里。
左侧 messages: 爬取过程中输出的一些信息。
右侧代码区域: 你可以在右侧区域书写代码，并点击右上角的 Save 按钮保存。
右侧 WebDAV Mode: 打开调试模式，左侧最大化，便于观察调试。
#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2018-08-23 08:49:39
# Project: pyspiderlianxi
from pyspider.libs.base_handler import *
import pymongo
class Handler(BaseHandler):
crawl_config = {
}
client = pymongo.MongoClient(host='localhost',port=27017)
db = client['trip']
@every(minutes=24 * 60)
def on_start(self):
self.crawl('https://www.tripadvisor.cn/Attractions-g294211-Activities-c47-China.html', callback=self.index_page,validate_cert=False)
#爬取索引页
@config(age=10 * 24 * 60 * 60)
def index_page(self, response):
for each in response.doc('div.listing_info > div.listing_title > a').items():
self.crawl(each.attr.href, callback=self.detail_page,validate_cert=False)
爬取详情页#
@config(priority=2)
def detail_page(self, response):
url = response.url,
title = response.doc('title').text(),
name = response.doc('#HEADING').text(),
paiming = response.doc('span.header_rating > div > a > span').text(),
phonenum = response.doc('div.blEntry.phone > span:nth-child(2)').text(),
dizhi = response.doc('div.detail_section.address.xh-highlight').text(),
youwanshijian = response.doc('#taplc_attraction_detail_listing_0 > div.section.hours > div').text()
return {
"url":url,
"title":title,
"name":name,
"paiming":paiming,
"phonenum":phonenum,
"dizhi":dizhi,
"youwanshijian":youwanshijian
}
#结果存入数据库中
def on_result(self,result):
if result:
self.save_to_mongo(result)
def save_to_mongo(self,result):
if self.db['chinastrip'].insert(result):
print('save to mongo',result)