Scrapy1.6クローラフレーム1が搭載されています

ウェブクローラ：クローラーは、情報ウェブサイトのコンテンツを取るために自動化されたプログラムであり、広く使われている検索エンジンやデータマイニングなどの分野です。
実行のWebクローラの基本的な流れ：ダウンロードのページ-データ抽出・ページ-リンクExtractorのページ
Scrapyは：、使いやすいクロスプラットフォーム、柔軟で拡張しやすいなど：Python言語の機能で書かれたオープンソースのWebクローラフレームワークです。

インストール

ネイティブ環境マック10.14、のpython3
pip3 install scrapy
成功したインストール後にscrapy -hビューはコマンドが含まれています

image.png

プロジェクトの作成
scrapy startproject tutorial

以下のファイルを生成します

tutorial/
    scrapy.cfg            # deploy configuration file
    tutorial/             # project's Python module, you'll import your code from here
        __init__.py
        items.py          # project items definition file
        middlewares.py    # project middlewares file
        pipelines.py      # project pipelines file
        settings.py       # project settings file
        spiders/          # a directory where you'll later put your spiders
            __init__.py

あなたの最初の爬虫類を書きます

実際には、クラスを記述し
たファイルを作成することquotes_spider.pyにtutorial/spidersディレクトリ

import scrapy

class QuotesSpider(scrapy.Spider):
   # 爬虫名，必须唯一
    name = "quotes"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/',
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'quotes-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

プロジェクトのルートディレクトリの実装にscrapy crawl quotes
表示処理

image.png

結果：htmlファイルのうち二つ以上、我々はページを下にクロールしていることを意味します。

参考：https://docs.scrapy.org/en/1.6/intro/tutorial.html

ます。https：//www.jianshu.com/p/90ded0d8787fで再現