03-16 08:08 阅读 4415

python爬虫scrapy基本使用超详细教程

这篇文章主要介绍了python爬虫scrapy基本使用,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

一、介绍

官方文档：中文2.3版本

下面这张图大家应该很熟悉，很多有关scrapy框架的介绍中都会出现这张图，感兴趣的再去查询相关资料，当然学会使用scrapy才是最主要的。

在这里插入图片描述

二、基本使用

2.1 环境安装

1.linux和mac操作系统：

1	`pip install scrapy`

2.windows系统：

先安装wheel：pip install wheel
下载twisted：下载地址
安装twisted：pip install Twisted‑17.1.0‑cp36‑cp36m‑win_amd64.whl（记得带后缀）
pip install pywin32
pip install scrapy

3.Anaconda(推荐)

在我一开始学python使用的就是python3.8，在安装各种库的时候，总会有各种报错，真的有点让人奔溃。Anaconda在安装过程中就会安装一些常用的库，其次，当我们想要安装其他库时也很方便。当然大家也可以选择安装其他的一些软件，

在这里插入图片描述

2.2 scrapy使用流程

这里默认大家已经安装好scrapy库，大家要记得要在命令行里输入以下命令啊。(我使用的anaconda的命令行)

创建工程

1	`scrapy startproject projectName`

在这里插入图片描述

进入工程目录：这里一定要进入到刚才创建好的目录中

1	`cd` `projectName`

在这里插入图片描述

创建爬虫文件：创建的爬虫文件会出现在之前创建好的spiders文件夹下

1	`scrapy genspider spiderName www.xxx.com`

在这里插入图片描述

编写相关代码

执行爬虫文件

1	`scrapy crawl spiderName`

在这里插入图片描述

2.3 文件解析

import scrapy

class HelloSpider(scrapy.Spider):

 name = 'hello' # 爬虫名称

 # 允许的域名:限定start_urls列表当中哪些url可以进行请求的发送

 # 通常情况下我们不会使用

 # allowed_domains = ['www.baidu.com'] 

 # 起始的url列表:scrapy会自动对start_urls列表中的每一个url发起请求

 # 我们可以手动添加我们需要访问的url

 start_urls = ['https://www.baidu.com/','https://www.csdn.net/']

 def parse(self, response): # 当scrapy自动向start_urls中的每一个url发起请求后，会将响应对象保存在response对象中

 # 代码一般是在parse方法中写

 print("response:",response)

在这里插入图片描述

2.4 settings.py一些常见的设置

相当于requests中的headers参数中的User-Agent

1	`USER_AGENT` `=` `'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68'`

可以忽略或者不遵守robots协议

1	`ROBOTSTXT_OBEY` `=` `False`

只有程序出现错误的情况下，才显示日志文件，程序正常执行时只会输出我们想要的结果

1 2	`LOG_LEVEL='ERROR'` `==` `scrapy crawl spiderName` `--nolog` `//二者是等价的，当然还是推荐使用前者`

未加LOG_LEVEL='ERROR'

在这里插入图片描述

加LOG_LEVEL='ERROR'之后

在这里插入图片描述

scrapy 爬取文件保存为CSV文件中文乱码的解决办法

1

2

3

4

//下面的设置可能会导致繁体出现,可以逐个试一下

FEED_EXPORT_ENCODING = "gb18030"

FEED_EXPORT_ENCODING = "utf-8"

FEED_EXPORT_ENCODING = "gbk"

在这里插入图片描述

三、实例

3.1 实例要求

目的：爬取百度网页的百度热榜

在这里插入图片描述

3.2 实例代码

实例代码

在这里插入图片描述

3.3 输出结果

结果

在这里插入图片描述

到此这篇关于python爬虫scrapy基本使用超详细教程的文章就介绍