最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python之Scrapy爬蟲(chóng)框架安裝及簡(jiǎn)單使用詳解

 更新時(shí)間:2017年12月22日 09:50:25   作者:leerh  
這篇文章主要介紹了Python之Scrapy爬蟲(chóng)框架安裝及簡(jiǎn)單使用詳解,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧

題記:早已聽(tīng)聞python爬蟲(chóng)框架的大名。近些天學(xué)習(xí)了下其中的Scrapy爬蟲(chóng)框架,將自己理解的跟大家分享。有表述不當(dāng)之處,望大神們斧正。

一、初窺Scrapy

Scrapy是一個(gè)為了爬取網(wǎng)站數(shù)據(jù),提取結(jié)構(gòu)性數(shù)據(jù)而編寫(xiě)的應(yīng)用框架。 可以應(yīng)用在包括數(shù)據(jù)挖掘,信息處理或存儲(chǔ)歷史數(shù)據(jù)等一系列的程序中。

其最初是為了頁(yè)面抓取(更確切來(lái)說(shuō),網(wǎng)絡(luò)抓取)所設(shè)計(jì)的, 也可以應(yīng)用在獲取API所返回的數(shù)據(jù)(例如Amazon Associates Web Services) 或者通用的網(wǎng)絡(luò)爬蟲(chóng)。

本文檔將通過(guò)介紹Scrapy背后的概念使您對(duì)其工作原理有所了解, 并確定Scrapy是否是您所需要的。

當(dāng)您準(zhǔn)備好開(kāi)始您的項(xiàng)目后,您可以參考入門(mén)教程。

二、Scrapy安裝介紹

Scrapy框架運(yùn)行平臺(tái)及相關(guān)輔助工具

  1. Python2.7(Python最新版3.5,這里選擇了2.7版本)
  2. Python Package:pipandsetuptools. 現(xiàn)在pip依賴(lài)setuptools,如果未安裝,則會(huì)自動(dòng)安裝setuptools。
  3. lxml. 大多數(shù)Linux發(fā)行版自帶了lxml。如果缺失,請(qǐng)查看http://lxml.de/installation.html
  4. OpenSSL. 除了Windows(請(qǐng)查看平臺(tái)安裝指南)之外的系統(tǒng)都已經(jīng)提供。

您可以使用pip來(lái)安裝Scrapy(推薦使用pip來(lái)安裝Python package).

pip install Scrapy

Windows下安裝流程:

1、安裝Python 2.7之后,您需要修改PATH環(huán)境變量,將Python的可執(zhí)行程序及額外的腳本添加到系統(tǒng)路徑中。將以下路徑添加到PATH中:

C:\Python27\;C:\Python27\Scripts\;

除此之外,還可以用cmd命令來(lái)設(shè)置Path:

c:\python27\python.exe c:\python27\tools\scripts\win_add2path.py

安裝配置完成之后,可以執(zhí)行命令python --version查看安裝的python版本。(如圖所示)

2、從http://sourceforge.net/projects/pywin32/安裝pywin32

請(qǐng)確認(rèn)下載符合您系統(tǒng)的版本(win32或者amd64)

https://pip.pypa.io/en/latest/installing.html安裝pip

3、打開(kāi)命令行窗口,確認(rèn)pip被正確安裝:

pip --version

4、到目前為止Python 2.7 及pip已經(jīng)可以正確運(yùn)行了。接下來(lái)安裝Scrapy:

pip install Scrapy

至此windows下Scrapy安裝已經(jīng)結(jié)束。

三、Scrapy入門(mén)教程

1、在cmd中創(chuàng)建Scrapy項(xiàng)目工程。

scrapy startproject tutorial

H:\python\scrapyDemo>scrapy startproject tutorial
New Scrapy project 'tutorial', using template directory 'f:\\python27\\lib\\site-packages\\scrapy\\templates\\project', created in:
  H:\python\scrapyDemo\tutorial

You can start your first spider with:
  cd tutorial
  scrapy genspider example example.com

2、文件目錄結(jié)構(gòu)如下:

。

解析scrapy框架結(jié)構(gòu):

  1. scrapy.cfg: 項(xiàng)目的配置文件。
  2. tutorial/: 該項(xiàng)目的python模塊。之后您將在此加入代碼。
  3. tutorial/items.py: 項(xiàng)目中的item文件。
  4. tutorial/pipelines.py: 項(xiàng)目中的pipelines文件。
  5. tutorial/settings.py: 項(xiàng)目的設(shè)置文件。
  6. tutorial/spiders/: 放置spider代碼的目錄。

3、編寫(xiě)簡(jiǎn)單的爬蟲(chóng)

1、在item.py中配置需采集頁(yè)面的字段實(shí)例。

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
from scrapy.item import Item, Field
class TutorialItem(Item):
  title = Field()
  author = Field()
  releasedate = Field()

2、在tutorial/spiders/spider.py中書(shū)寫(xiě)要采集的網(wǎng)站以及分別采集各字段。

# -*-coding:utf-8-*-
import sys
from scrapy.linkextractors.sgml import SgmlLinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from tutorial.items import TutorialItem
reload(sys)
sys.setdefaultencoding("utf-8")
class ListSpider(CrawlSpider):
  # 爬蟲(chóng)名稱(chēng)
  name = "tutorial"
  # 設(shè)置下載延時(shí)
  download_delay = 1
  # 允許域名
  allowed_domains = ["news.cnblogs.com"]
  # 開(kāi)始URL
  start_urls = [
    "https://news.cnblogs.com"
  ]
  # 爬取規(guī)則,不帶callback表示向該類(lèi)url遞歸爬取
  rules = (
    Rule(SgmlLinkExtractor(allow=(r'https://news.cnblogs.com/n/page/\d',))),
    Rule(SgmlLinkExtractor(allow=(r'https://news.cnblogs.com/n/\d+',)), callback='parse_content'),
  )

  # 解析內(nèi)容函數(shù)
  def parse_content(self, response):
    item = TutorialItem()

    # 當(dāng)前URL
    title = response.selector.xpath('//div[@id="news_title"]')[0].extract().decode('utf-8')
    item['title'] = title

    author = response.selector.xpath('//div[@id="news_info"]/span/a/text()')[0].extract().decode('utf-8')
    item['author'] = author

    releasedate = response.selector.xpath('//div[@id="news_info"]/span[@class="time"]/text()')[0].extract().decode(
      'utf-8')
    item['releasedate'] = releasedate

    yield item

3、在tutorial/pipelines.py管道中保存數(shù)據(jù)。

# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import json
import codecs
class TutorialPipeline(object):
  def __init__(self):
    self.file = codecs.open('data.json', mode='wb', encoding='utf-8')#數(shù)據(jù)存儲(chǔ)到data.json

  def process_item(self, item, spider):
    line = json.dumps(dict(item)) + "\n"
    self.file.write(line.decode("unicode_escape"))

    return item

4、tutorial/settings.py中配置執(zhí)行環(huán)境。

# -*- coding: utf-8 -*-
BOT_NAME = 'tutorial'
SPIDER_MODULES = ['tutorial.spiders']
NEWSPIDER_MODULE = 'tutorial.spiders'

# 禁止cookies,防止被ban
COOKIES_ENABLED = False
COOKIES_ENABLES = False

# 設(shè)置Pipeline,此處實(shí)現(xiàn)數(shù)據(jù)寫(xiě)入文件
ITEM_PIPELINES = {
  'tutorial.pipelines.TutorialPipeline': 300
}

# 設(shè)置爬蟲(chóng)爬取的最大深度
DEPTH_LIMIT = 100

5、新建main文件執(zhí)行爬蟲(chóng)代碼。

from scrapy import cmdline
cmdline.execute("scrapy crawl tutorial".split())

最終,執(zhí)行main.py后在data.json文件中獲取到采集結(jié)果的json數(shù)據(jù)。

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python獲取網(wǎng)頁(yè)數(shù)據(jù)的五種方法

    Python獲取網(wǎng)頁(yè)數(shù)據(jù)的五種方法

    在 Python 中,爬蟲(chóng)用于自動(dòng)化獲取網(wǎng)頁(yè)數(shù)據(jù),你可以使用多種方法來(lái)抓取網(wǎng)頁(yè)內(nèi)容,具體使用哪種方法取決于網(wǎng)頁(yè)的結(jié)構(gòu)、內(nèi)容類(lèi)型以及你所需的精確度,以下是常見(jiàn)的 5 種獲取網(wǎng)頁(yè)數(shù)據(jù)的方式,需要的朋友可以參考下
    2025-01-01
  • Python基于staticmethod裝飾器標(biāo)示靜態(tài)方法

    Python基于staticmethod裝飾器標(biāo)示靜態(tài)方法

    這篇文章主要介紹了Python基于staticmethod裝飾器標(biāo)示靜態(tài)方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-10-10
  • Python畫(huà)圖學(xué)習(xí)入門(mén)教程

    Python畫(huà)圖學(xué)習(xí)入門(mén)教程

    這篇文章主要介紹了Python畫(huà)圖的方法,結(jié)合實(shí)例形式分析了Python基本的線(xiàn)性圖、餅狀圖等繪制技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下
    2016-07-07
  • Python中的字符串類(lèi)型基本知識(shí)學(xué)習(xí)教程

    Python中的字符串類(lèi)型基本知識(shí)學(xué)習(xí)教程

    這篇文章主要介紹了Python中的字符串類(lèi)型基本知識(shí)學(xué)習(xí)教程,包括轉(zhuǎn)義符和字符串拼接以及原始字符串等基礎(chǔ)知識(shí)講解,需要的朋友可以參考下
    2016-02-02
  • 詳解python數(shù)組中的符號(hào)...與:符號(hào)的不同之處

    詳解python數(shù)組中的符號(hào)...與:符號(hào)的不同之處

    這篇文章主要介紹了詳解python數(shù)組中的符號(hào)...與:符號(hào)的不同之處,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2021-03-03
  • Python集合的增刪改查操作

    Python集合的增刪改查操作

    這篇文章主要介紹了Python集合的增刪改查操作,其增刪改查操作要看集合的類(lèi)型來(lái)決定,不可變的數(shù)據(jù)當(dāng)然不能增刪改,只能查詢(xún),可變集合則限制稍微少點(diǎn)。下面和小編一起進(jìn)放入文章了解更多相關(guān)內(nèi)容吧
    2022-03-03
  • 樹(shù)莓派安裝OpenCV3完整過(guò)程的實(shí)現(xiàn)

    樹(shù)莓派安裝OpenCV3完整過(guò)程的實(shí)現(xiàn)

    這篇文章主要介紹了樹(shù)莓派安裝OpenCV3完整過(guò)程的實(shí)現(xiàn),小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2019-10-10
  • 8個(gè)Python編程進(jìn)階常用技巧分享

    8個(gè)Python編程進(jìn)階常用技巧分享

    介紹?Python?炫酷功能的文章層出不窮,但是還有很多?Python?的編程小技巧鮮被提及,所以本文會(huì)試著介紹一些其它文章沒(méi)有提到的小技巧,讓我們一探究竟吧
    2023-07-07
  • caffe的python接口caffemodel參數(shù)及特征抽取示例

    caffe的python接口caffemodel參數(shù)及特征抽取示例

    這篇文章主要介紹了caffe的python接口caffemodel參數(shù)及特征抽取示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-06-06
  • Python基于Tensorflow2.X實(shí)現(xiàn)汽車(chē)油耗預(yù)測(cè)

    Python基于Tensorflow2.X實(shí)現(xiàn)汽車(chē)油耗預(yù)測(cè)

    這篇文章主要為大家詳細(xì)介紹了Python基于Tensorflow2.X實(shí)現(xiàn)汽車(chē)油耗預(yù)測(cè)的相關(guān)方法,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
    2023-02-02

最新評(píng)論

化德县| 教育| 大同市| 桂平市| 怀集县| 广元市| 吉林市| 三门峡市| 乾安县| 江阴市| 雷州市| 宣汉县| 淮阳县| 太和县| 贵南县| 石狮市| 镇远县| 安塞县| 改则县| 彰化市| 凤城市| 桐庐县| 浦东新区| 建阳市| 和田市| 岑巩县| 淄博市| 罗定市| 南乐县| 吕梁市| 柯坪县| 镇巴县| 苏尼特右旗| 大城县| 宝坻区| 环江| 军事| 兴海县| 循化| 基隆市| 木兰县|