一、Scrapy框架使用

1. 創(chuàng)建scrapy項目

（不能有漢字，不能數(shù)字開頭）

scrapy startproject Baidu

2. 創(chuàng)建爬蟲文件

cd Baidu
scrapy  genspider wenda www.baidu.com

注意： parse()是執(zhí)行了start_url之后要執(zhí)行的方法，方法中的response就是返回的對象。相當(dāng)于response = requests.get或requests.post

3. 運行爬蟲代碼

scrapy crawl wenda

在parse（）函數(shù)打印一句話，運行后發(fā)現(xiàn)沒有打印結(jié)果，原因是被一個叫robots.txt的文件給阻止了。

解決：大平臺的君子協(xié)議，只需在settings里將ROBOTSTXT_OBEY = True注釋掉即可。

再次運行 

 4. scrapy文檔

scrapy官網(wǎng)：https://scrapy.org/ 

scrapy文檔：https://doc.scrapy.org/en/latest/intro/tutorial.html 

scrapy日志：https://docs.scrapy.org/en/latest/news.html

 二、scrapy項目的結(jié)構(gòu)

四、response的屬性和方法

• response.text 獲取響應(yīng)的字符串(源碼)
• response.body 獲取響應(yīng)的二進制數(shù)據(jù)(二進制源碼)
• response.xpath 直接通過xpath解析response中的內(nèi)容
• response.extract() 提取selector對象的data所有屬性值
• response.extract_first() 提取selector列表的第一個數(shù)據(jù)
• response.get() : 得到第一條數(shù)據(jù)
• response.getall() :取出所有的數(shù)據(jù)，以列表的方式呈現(xiàn)

五、scrapy工作原理

1. 引擎向spiders要url
2. 引擎將要爬取的url給調(diào)度器
3. 調(diào)度器會將url生成請求對象放入到指定的隊列中
4. 從隊列中出隊一個請求
5. 引擎將請求交給下載器處理
6. 下載器發(fā)送請求獲取互聯(lián)網(wǎng)數(shù)據(jù)
7. 下載器將數(shù)據(jù)返回給引擎
8. 引擎將數(shù)據(jù)再次給spiders
9. spiders通過xpath解析該數(shù)據(jù)，得到數(shù)據(jù)或url
10. spiders將數(shù)據(jù)或url給到引擎
11. 引擎判斷是數(shù)據(jù)還是url，若是數(shù)據(jù)，交給管道處理；若是url，交給調(diào)度器處理

到此這篇關(guān)于Python的Scrapy框架基本使用詳解的文章就介紹到這了,更多相關(guān)Python的Scrapy框架內(nèi)容請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！

最新評論