從零開始的Python爬蟲速成指南,本文受眾:沒寫過爬蟲的萌新
阿新 • • 發佈:2018-11-05
引言
用最短的時間寫一個最簡單的爬蟲,可以抓一些簡單的論壇、帖子、網頁。
入門
1.準備工作
- 安裝Python
- 安裝scrapy框架
- 一個IDE或者可以用自帶的
2.開始寫爬蟲
在spiders資料夾中建立一個python檔案,比如miao.py,來作為爬蟲的指令碼。
程式碼如下:
3.執行一下
如果用命令列的話就這樣:
解析
1.試試神奇的xpath
2.看看xpath的效果
在最上面加上引用:
from scrapy import Selector
把parse函式改成:
我們再次執行一下,你就可以看到輸出“壇星際區”第一頁所有帖子的標題和url了。
遞迴
完整的程式碼如下:
Pipelines——管道
現在是對已抓取、解析後的內容的處理,我們可以通過管道寫入本地檔案、資料庫。
1.定義一個Item
在miao資料夾中建立一個items.py檔案
這裡我們定義了兩個簡單的class用來描述我們爬取的結果。
2. 處理方法
3.在爬蟲中呼叫這個處理方法。
4.在配置檔案裡指定這個pipeline
可以這樣配置多個pipeline:
Middleware——中介軟體
1.Middleware的配置
2.破網站查UA, 我要換UA
這裡就是一個簡單的隨機更換UA的中介軟體,agents的內容可以自行擴充。
3.破網站封IP,我要用代理
結束
看懂了嗎 ?是不是超簡單!