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爬蟲框架Scrapy實(shí)例代碼

 更新時(shí)間:2018年03月04日 10:24:19   作者:YangPython  
這篇文章主要介紹了Python爬蟲框架Scrapy實(shí)例代碼,需要的朋友可以參考下

目標(biāo)任務(wù):爬取騰訊社招信息,需要爬取的內(nèi)容為:職位名稱,職位的詳情鏈接,職位類別,招聘人數(shù),工作地點(diǎn),發(fā)布時(shí)間。

一、創(chuàng)建Scrapy項(xiàng)目

scrapy startproject Tencent

命令執(zhí)行后,會(huì)創(chuàng)建一個(gè)Tencent文件夾,結(jié)構(gòu)如下

二、編寫item文件,根據(jù)需要爬取的內(nèi)容定義爬取字段

# -*- coding: utf-8 -*-
import scrapy
class TencentItem(scrapy.Item):
  # 職位名
  positionname = scrapy.Field()
  # 詳情連接
  positionlink = scrapy.Field()
  # 職位類別
  positionType = scrapy.Field()
  # 招聘人數(shù)
  peopleNum = scrapy.Field()
  # 工作地點(diǎn)
  workLocation = scrapy.Field()
  # 發(fā)布時(shí)間
  publishTime = scrapy.Field()

三、編寫spider文件

進(jìn)入Tencent目錄,使用命令創(chuàng)建一個(gè)基礎(chǔ)爬蟲類:

# tencentPostion為爬蟲名,tencent.com為爬蟲作用范圍
scrapy genspider tencentPostion "tencent.com"

執(zhí)行命令后會(huì)在spiders文件夾中創(chuàng)建一個(gè)tencentPostion.py的文件,現(xiàn)在開始對(duì)其編寫:

# -*- coding: utf-8 -*-
import scrapy
from tencent.items import TencentItem
class TencentpositionSpider(scrapy.Spider):
  """
  功能:爬取騰訊社招信息
  """
  # 爬蟲名
  name = "tencentPosition"
  # 爬蟲作用范圍
  allowed_domains = ["tencent.com"]
  url = "http://hr.tencent.com/position.php?&start="
  offset = 0
  # 起始url
  start_urls = [url + str(offset)]
  def parse(self, response):
    for each in response.xpath("http://tr[@class='even'] | //tr[@class='odd']"):
      # 初始化模型對(duì)象
      item = TencentItem()
      # 職位名稱
      item['positionname'] = each.xpath("./td[1]/a/text()").extract()[0]
      # 詳情連接
      item['positionlink'] = each.xpath("./td[1]/a/@href").extract()[0]
      # 職位類別
      item['positionType'] = each.xpath("./td[2]/text()").extract()[0]
      # 招聘人數(shù)
      item['peopleNum'] = each.xpath("./td[3]/text()").extract()[0]
      # 工作地點(diǎn)
      item['workLocation'] = each.xpath("./td[4]/text()").extract()[0]
      # 發(fā)布時(shí)間
      item['publishTime'] = each.xpath("./td[5]/text()").extract()[0]
      yield item
    if self.offset < 1680:
      self.offset += 10
    # 每次處理完一頁(yè)的數(shù)據(jù)之后,重新發(fā)送下一頁(yè)頁(yè)面請(qǐng)求
    # self.offset自增10,同時(shí)拼接為新的url,并調(diào)用回調(diào)函數(shù)self.parse處理Response
    yield scrapy.Request(self.url + str(self.offset), callback = self.parse)

四、編寫pipelines文件

# -*- coding: utf-8 -*-
import json
class TencentPipeline(object):
  """ 
    功能:保存item數(shù)據(jù) 
  """
  def __init__(self):
    self.filename = open("tencent.json", "w")
  def process_item(self, item, spider):
    text = json.dumps(dict(item), ensure_ascii = False) + ",\n"
    self.filename.write(text.encode("utf-8"))
    return item
  def close_spider(self, spider):
    self.filename.close()

五、settings文件設(shè)置(主要設(shè)置內(nèi)容)

# 設(shè)置請(qǐng)求頭部,添加url
DEFAULT_REQUEST_HEADERS = {
  "User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;",
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'
}
# 設(shè)置item——pipelines
ITEM_PIPELINES = {
  'tencent.pipelines.TencentPipeline': 300,
}

執(zhí)行命令,運(yùn)行程序

# tencentPosition為爬蟲名
scrapy crwal tencentPosition

使用CrawlSpider類改寫

# 創(chuàng)建項(xiàng)目
scrapy startproject TencentSpider
# 進(jìn)入項(xiàng)目目錄下,創(chuàng)建爬蟲文件
scrapy genspider -t crawl tencent tencent.com
item等文件寫法不變,主要是爬蟲文件的編寫
# -*- coding:utf-8 -*-
import scrapy
# 導(dǎo)入CrawlSpider類和Rule
from scrapy.spiders import CrawlSpider, Rule
# 導(dǎo)入鏈接規(guī)則匹配類,用來提取符合規(guī)則的連接
from scrapy.linkextractors import LinkExtractor
from TencentSpider.items import TencentItem
class TencentSpider(CrawlSpider):
  name = "tencent"
  allow_domains = ["hr.tencent.com"]
  start_urls = ["http://hr.tencent.com/position.php?&start=0#a"]
  # Response里鏈接的提取規(guī)則,返回的符合匹配規(guī)則的鏈接匹配對(duì)象的列表
  pagelink = LinkExtractor(allow=("start=\d+"))
  rules = [
    # 獲取這個(gè)列表里的鏈接,依次發(fā)送請(qǐng)求,并且繼續(xù)跟進(jìn),調(diào)用指定回調(diào)函數(shù)處理
    Rule(pagelink, callback = "parseTencent", follow = True)
  ]
  # 指定的回調(diào)函數(shù)
  def parseTencent(self, response):
    for each in response.xpath("http://tr[@class='even'] | //tr[@class='odd']"):
      item = TencentItem()
      # 職位名稱
      item['positionname'] = each.xpath("./td[1]/a/text()").extract()[0]
      # 詳情連接
      item['positionlink'] = each.xpath("./td[1]/a/@href").extract()[0]
      # 職位類別
      item['positionType'] = each.xpath("./td[2]/text()").extract()[0]
      # 招聘人數(shù)
      item['peopleNum'] = each.xpath("./td[3]/text()").extract()[0]
      # 工作地點(diǎn)
      item['workLocation'] = each.xpath("./td[4]/text()").extract()[0]
      # 發(fā)布時(shí)間
      item['publishTime'] = each.xpath("./td[5]/text()").extract()[0]
      yield item

總結(jié)

以上所述是小編給大家介紹的Python爬蟲框架Scrapy實(shí)例代碼,希望對(duì)大家有所幫助,如果大家有任何疑問歡迎給我留言,小編會(huì)及時(shí)回復(fù)大家的!

相關(guān)文章

  • 解決tensorflow 與keras 混用之坑

    解決tensorflow 與keras 混用之坑

    這篇文章主要介紹了解決tensorflow 與keras 混用之坑,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-05-05
  • 簡(jiǎn)單談?wù)凱ython中的閉包

    簡(jiǎn)單談?wù)凱ython中的閉包

    一般來說閉包這個(gè)概念在很多語(yǔ)言中都有涉及,簡(jiǎn)單說,閉包就是根據(jù)不同的配置信息得到不同的結(jié)果,下面我們來專門講下在Python中的閉包
    2016-11-11
  • Matplotlib子圖的創(chuàng)建的實(shí)現(xiàn)

    Matplotlib子圖的創(chuàng)建的實(shí)現(xiàn)

    本文主要介紹了Matplotlib子圖的創(chuàng)建的實(shí)現(xiàn),包括fig.add_axes()創(chuàng)建子圖和plt.axes創(chuàng)建子圖這兩種方法,具有一定的參考價(jià)值,感興趣的可以了解一下
    2023-11-11
  • 深入分析python數(shù)據(jù)挖掘 Json結(jié)構(gòu)分析

    深入分析python數(shù)據(jù)挖掘 Json結(jié)構(gòu)分析

    這篇文章通過實(shí)例給大家分析總結(jié)了python數(shù)據(jù)挖掘以及Json結(jié)構(gòu)分析的相關(guān)知識(shí)點(diǎn),對(duì)此有興趣的朋友參考下。
    2018-04-04
  • python中字符串變二維數(shù)組的實(shí)例講解

    python中字符串變二維數(shù)組的實(shí)例講解

    下面小編就為大家分享一篇python中字符串變二維數(shù)組的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • Python select及selectors模塊概念用法詳解

    Python select及selectors模塊概念用法詳解

    這篇文章主要介紹了Python select及selectors模塊概念用法詳解,文中通過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
    2020-06-06
  • Python WordCloud 修改色調(diào)的實(shí)現(xiàn)方式

    Python WordCloud 修改色調(diào)的實(shí)現(xiàn)方式

    這篇文章主要介紹了Python WordCloud 修改色調(diào)的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • Pycharm配置opencv與numpy的實(shí)現(xiàn)

    Pycharm配置opencv與numpy的實(shí)現(xiàn)

    本文總結(jié)了兩種方法來導(dǎo)入opencv與numpy包,第一種是直接在Pycharm中導(dǎo)入兩個(gè)包,第二種是在官網(wǎng)下載相關(guān)文件進(jìn)行配置,感興趣的小伙伴們可以參考一下
    2021-07-07
  • Python+OpenCV六種實(shí)時(shí)圖像處理詳細(xì)講解

    Python+OpenCV六種實(shí)時(shí)圖像處理詳細(xì)講解

    OpenCV常用的圖像處理為閾值二值化、邊緣檢測(cè)、輪廓檢測(cè)、高斯濾波、色彩轉(zhuǎn)換、調(diào)節(jié)對(duì)比度。本文主要介紹了利用Python和OpenCV對(duì)實(shí)時(shí)圖像進(jìn)行上述六種操作的詳細(xì)講解,感興趣的可以了解一下。
    2021-11-11
  • MindSpore導(dǎo)入CUDA算子的解決方案

    MindSpore導(dǎo)入CUDA算子的解決方案

    本文介紹了在MindSpore標(biāo)準(zhǔn)格式下進(jìn)行CUDA算子開發(fā)的方法和流程,可以讓開發(fā)者在現(xiàn)有的AI框架下仍然可以調(diào)用基于CUDA實(shí)現(xiàn)的高性能的算子,感興趣的朋友跟隨小編一起看看吧
    2024-05-05

最新評(píng)論

通许县| 阜平县| 扶沟县| 临清市| 南溪县| 类乌齐县| 伊通| 邢台市| 英吉沙县| 轮台县| 乌兰察布市| 通辽市| 乌拉特中旗| 阳城县| 长葛市| 浦城县| 伊川县| 开原市| 洛浦县| 扶风县| 安化县| 法库县| 沾益县| 扬州市| 凤冈县| 盐源县| 河曲县| 武鸣县| 唐山市| 吉木乃县| 海淀区| 咸宁市| 黄平县| 信宜市| 吉林省| 栾川县| 华坪县| 东莞市| 伊宁县| 尚志市| 花垣县|