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

Scrapy中如何向Spider傳入?yún)?shù)的方法實(shí)現(xiàn)

 更新時(shí)間:2020年09月28日 10:30:31   作者:pengjunlee  
這篇文章主要介紹了Scrapy中如何向Spider傳入?yún)?shù)的方法實(shí)現(xiàn),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

在使用Scrapy爬取數(shù)據(jù)時(shí),有時(shí)會(huì)碰到需要根據(jù)傳遞給Spider的參數(shù)來(lái)決定爬取哪些Url或者爬取哪些頁(yè)的情況。

例如,百度貼吧的放置奇兵吧的地址如下,其中 kw參數(shù)用來(lái)指定貼吧名稱、pn參數(shù)用來(lái)對(duì)帖子進(jìn)行翻頁(yè)。

https://tieba.baidu.com/f?kw=放置奇兵&ie=utf-8&pn=250

如果我們希望通過(guò)參數(shù)傳遞的方式將貼吧名稱和頁(yè)數(shù)等參數(shù)傳給Spider,來(lái)控制我們要爬取哪一個(gè)貼吧、爬取哪些頁(yè)。遇到這種情況,有以下兩種方法向Spider傳遞參數(shù)。

方式一

通過(guò) scrapy crawl 命令的 -a 參數(shù)向 spider 傳遞參數(shù)。

# -*- coding: utf-8 -*-
import scrapy

class TiebaSpider(scrapy.Spider):
  name = 'tieba' # 貼吧爬蟲
  allowed_domains = ['tieba.baidu.com'] # 允許爬取的范圍
  start_urls = [] # 爬蟲起始地址

  # 命令格式: scrapy crawl tieba -a tiebaName=放置奇兵 -a pn=250
  def __init__(self, tiebaName=None, pn=None, *args, **kwargs):
    print('< 貼吧名稱 >: ' + tiebaName)
    super(eval(self.__class__.__name__), self).__init__(*args, **kwargs)
    self.start_urls = ['https://tieba.baidu.com/f?kw=%s&ie=utf-8&pn=%s' % (tiebaName,pn)]

  def parse(self, response):
    print(response.request.url) # 結(jié)果:https://tieba.baidu.com/f?kw=%E6%94%BE%E7%BD%AE%E5%A5%87%E5%85%B5&ie=utf-8&pn=250

方式二

仿照 scrapy 的 crawl 命令的源代碼,重新自定義一個(gè)專用命令。

settings.py

首先,需要在settings.py文件中增加如下配置來(lái)指定自定義 scrapy 命令的存放目錄。

# 指定 Scrapy 命令存放目錄
COMMANDS_MODULE = 'baidu_tieba.commands'

run.py

在指定的命令存放目錄中創(chuàng)建命令文件,在這里我們創(chuàng)建的命令文件為 run.py ,將來(lái)執(zhí)行的命令格式為:
scrapy run [ -option option_value] 。

import scrapy.commands.crawl as crawl
from scrapy.exceptions import UsageError
from scrapy.commands import ScrapyCommand


class Command(crawl.Command):

  def add_options(self, parser):
    # 為命令添加選項(xiàng)
    ScrapyCommand.add_options(self, parser)
    parser.add_option("-k", "--keyword", type="str", dest="keyword", default="",
             help="set the tieba's name you want to crawl")
    parser.add_option("-p", "--pageNum", type="int", action="store", dest="pageNum", default=0,
             help="set the page number you want to crawl")

  def process_options(self, args, opts):
    # 處理從命令行中傳入的選項(xiàng)參數(shù)
    ScrapyCommand.process_options(self, args, opts)
    if opts.keyword:
      tiebaName = opts.keyword.strip()
      if tiebaName != '':
        self.settings.set('TIEBA_NAME', tiebaName, priority='cmdline')
    else:
      raise UsageError("U must specify the tieba's name to crawl,use -kw TIEBA_NAME!")
    self.settings.set('PAGE_NUM', opts.pageNum, priority='cmdline')

  def run(self, args, opts):
    # 啟動(dòng)爬蟲
    self.crawler_process.crawl('tieba')
    self.crawler_process.start()

pipelines.py

在BaiduTiebaPipeline的open_spider()方法中利用 run 命令傳入的參數(shù)對(duì)TiebaSpider進(jìn)行初始化,在這里示例設(shè)置了一下start_urls。

# -*- coding: utf-8 -*-
import json

class BaiduTiebaPipeline(object):

  @classmethod
  def from_settings(cls, settings):
    return cls(settings)

  def __init__(self, settings):
    self.settings = settings

  def open_spider(self, spider):
    # 開啟爬蟲
    spider.start_urls = [
      'https://tieba.baidu.com/f?kw=%s&ie=utf-8&pn=%s' % (self.settings['TIEBA_NAME'], self.settings['PAGE_NUM'])]

  def close_spider(self, spider):
    # 關(guān)閉爬蟲
    pass

  def process_item(self, item, spider):
    # 將帖子內(nèi)容保存到文件
    with open('tieba.txt', 'a', encoding='utf-8') as f:
      json.dump(dict(item), f, ensure_ascii=False, indent=2)
    return item

設(shè)置完成后,別忘了在settings.py中啟用BaiduTiebaPipeline。 

ITEM_PIPELINES = {
  'baidu_tieba.pipelines.BaiduTiebaPipeline': 50,
}

啟動(dòng)示例

大功告成,參照如下命令格式啟動(dòng)貼吧爬蟲。 

scrapy run -k 放置奇兵 -p 250

參考文章:

https://blog.csdn.net/c0411034/article/details/81750028 

https://blog.csdn.net/qq_24760381/article/details/80361400 

https://blog.csdn.net/qq_38282706/article/details/80991196 

到此這篇關(guān)于Scrapy中如何向Spider傳入?yún)?shù)的方法實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Scrapy Spider傳入?yún)?shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python詞頻統(tǒng)計(jì)的兩種方法詳解

    Python詞頻統(tǒng)計(jì)的兩種方法詳解

    這篇文章主要為大家介紹了Python詞頻統(tǒng)計(jì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助
    2021-12-12
  • Pycharm安裝PyQt5的詳細(xì)教程

    Pycharm安裝PyQt5的詳細(xì)教程

    PyCharm 是一款功能強(qiáng)大的 Python 編輯器,具有跨平臺(tái)性,鑒于目前最新版 PyCharm 使用教程較少,為了節(jié)約時(shí)間,來(lái)介紹一下Pycharm安裝PyQt5的詳細(xì)教程,感興趣的朋友跟隨小編一起看看吧
    2021-12-12
  • 10行Python代碼助你整理雜亂無(wú)章的文件

    10行Python代碼助你整理雜亂無(wú)章的文件

    這篇文章主要和大家分享一個(gè)簡(jiǎn)單的小程序,只需要10行Python代碼,就能助你整理雜亂無(wú)章的文件,感興趣的小伙伴可以跟隨小編一起了解一下
    2023-02-02
  • Python實(shí)現(xiàn)數(shù)據(jù)集劃分(訓(xùn)練集和測(cè)試集)

    Python實(shí)現(xiàn)數(shù)據(jù)集劃分(訓(xùn)練集和測(cè)試集)

    這篇文章主要為大家詳細(xì)介紹了Python是如何實(shí)現(xiàn)數(shù)據(jù)集劃分的,分為訓(xùn)練集和測(cè)試集,文中的實(shí)現(xiàn)方法講解詳細(xì),感興趣的小伙伴可以了解一下
    2023-05-05
  • Matplotlib配色之Colormap詳解

    Matplotlib配色之Colormap詳解

    這篇文章主要介紹了Matplotlib配色之Colormap詳解,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
    2021-01-01
  • 最新評(píng)論

    航空| 内黄县| 昭通市| 芒康县| 博湖县| 勐海县| 东台市| 武城县| 梓潼县| 临洮县| 北碚区| 新绛县| 全州县| 临汾市| 丹寨县| 翼城县| 分宜县| 通道| 绥阳县| 绥阳县| 凤山县| 靖远县| 丽江市| 中宁县| 砚山县| 林周县| 广河县| 收藏| 赞皇县| 澄迈县| 三门县| 陆丰市| 浪卡子县| 达拉特旗| 三江| 陇南市| 秦安县| 新田县| 申扎县| 宝兴县| 凤城市|