第一步

  • Scrapy 一览:理解Scrapy是什么,他能帮到你什么
  • 安装指南:在电脑上安装Scrapy
  • Scrapy 教程:编写第一个Scrapy项目
  • 示例:通过前人写好的Scrapy项目进行学习

基础概念

  • 命令行工具:学习使用命令行工具管理Scrapy项目
  • 爬虫:编写规则爬取网站
  • 选择器:使用XPath从网页中抽取数据
  • Scrapy shell:在一个交互环境中测试抽取代码
  • Items:定义要抓取的数据字段
  • Item 加载器
  • Item 管道
  • Post处理和数据存储.
  • 信息流导出:使用不同的格式输出和存储抓取的数据
  • Requests and Responses:理解用于HTTP请求和响应的类
  • 链接抽取器
  • 配置:学习怎样配置Scrapy,查看所有可用配置
  • 异常:查看所有可用异常及其含义

内建服务

  • 日志记录:学习如何在Scrapy项目中使用Python的内建日志模块
  • 统计收集:收集Scrapy爬虫的统计信息
  • 发送邮件:当某些事件发生时发送邮件提醒
  • Telnet 控制台:使用后Python控制台检视一整正在运行的爬虫
  • Web 服务:使用Web服务管理和控制爬虫

特定问题的解决

  • FAQ(常见问题)
  • 爬虫调试:学习如何调试scrapy爬虫吃的一般问题
  • Spiders Contracts
  • 一般性练习
  • Broad Crawls
  • 使用Firefox进行数据抓取
  • 使用Firebug
  • Debug内存泄漏
  • 下载和处理文件、图片
  • 爬虫部署
  • AutoThrottle extension
  • 压力测:测试爬虫在实际机器上的性能表现
  • 任务暂停和恢复

扩展Scrapy

  • 架构概览:理解Scrapy的架构
  • 下载器中间件:定制网页请求和下载
  • 爬虫中间件 :定制爬虫的输入和输出
  • 扩展:使用定制功能扩展Scrapy
  • 核心 API:在扩展和中间件中使用一扩展Scrapy的功能
  • 信号:查看所有可用的信号及怎样使用它们
  • 数据导出器:快速导出抓取的数据到文件(XML,CSV等等)

Scrapy计划表的更多相关文章

  1. Scrapy框架爬虫初探——中关村在线手机参数数据爬取

    关于Scrapy如何安装部署的文章已经相当多了,但是网上实战的例子还不是很多,近来正好在学习该爬虫框架,就简单写了个Spider Demo来实践.作为硬件数码控,我选择了经常光顾的中关村在线的手机页面 ...

  2. scrapy爬虫docker部署

    spider_docker 接我上篇博客,为爬虫引用创建container,包括的模块:scrapy, mongo, celery, rabbitmq,连接https://github.com/Liu ...

  3. scrapy 知乎用户信息爬虫

    zhihu_spider 此项目的功能是爬取知乎用户信息以及人际拓扑关系,爬虫框架使用scrapy,数据存储使用mongo,下载这些数据感觉也没什么用,就当为大家学习scrapy提供一个例子吧.代码地 ...

  4. ubuntu 下安装scrapy

    1.把Scrapy签名的GPG密钥添加到APT的钥匙环中: sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 6272 ...

  5. 网络爬虫:使用Scrapy框架编写一个抓取书籍信息的爬虫服务

      上周学习了BeautifulSoup的基础知识并用它完成了一个网络爬虫( 使用Beautiful Soup编写一个爬虫 系列随笔汇总 ), BeautifulSoup是一个非常流行的Python网 ...

  6. Scrapy:为spider指定pipeline

    当一个Scrapy项目中有多个spider去爬取多个网站时,往往需要多个pipeline,这时就需要为每个spider指定其对应的pipeline. [通过程序来运行spider],可以通过修改配置s ...

  7. scrapy cookies:将cookies保存到文件以及从文件加载cookies

    我在使用scrapy模拟登录新浪微博时,想将登录成功后的cookies保存到本地,下次加载它实现直接登录,省去中间一系列的请求和POST等.关于如何从本次请求中获取并在下次请求中附带上cookies的 ...

  8. Scrapy开发指南

    一.Scrapy简介 Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架. 可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中. Scrapy基于事件驱动网络框架 Twis ...

  9. 利用scrapy和MongoDB来开发一个爬虫

    今天我们利用scrapy框架来抓取Stack Overflow里面最新的问题(),并且将这些问题保存到MongoDb当中,直接提供给客户进行查询. 安装 在进行今天的任务之前我们需要安装二个框架,分别 ...

随机推荐

  1. Linux服务器svn与项目同步

    命令:svn checkout svn://192.168.67.131/trunk/w1

  2. 前端常用linux命令

    文件和目录 cd /home 进入 '/ home' 目录' cd .. 返回上一级目录 cd ../.. 返回上两级目录 cd 进入个人的主目录 cd ~user1 进入个人的主目录 cd - 返回 ...

  3. 如何破解银行O2O模式创新

    文/赵志宏 摩 根大通的买房APP,使客户可根据自己的位置选择合适的贷款经理:华道数据提供的卡惠APP,使客户可随时查询自己周围信用卡刷卡打折的商户信息:民生银 行的微信预约叫号功能,使客户根据可自己 ...

  4. CentOS 7中添加一个新用户并授权

    Linux 创建web用户组及用户: groupadd www-data useradd -g www-data www-data 笔记本安装了一个CentOS,想要让别人也可以登录访问,用自己的账号 ...

  5. Java适配器模式的简单应用

    对于刚从工厂生产出来的商品,有些功能并不能完全满足用户的需要.因此,用户通常会对其进行一定的改装工作.编写程序为普通的汽车增加GPS定位功能,借此演示适配器模式的用法. 思路分析: 这个问题的需求是, ...

  6. 04python while循环语句

    使用while ture语法 luck_num = 33 flag = True while flag: guess_num = input('请输入您猜测的年龄:') if guess_num &l ...

  7. HttpClient(二)-- 模拟浏览器抓取网页

    一.设置请求头消息 User-Agent模拟浏览器 1.当使用第一节的代码 来 访问推酷的时候,会返回给我们如下信息: 网页内容:<!DOCTYPE html> <html> ...

  8. Splash evaljs() 方法

    evaljs() 方法可以执行 JavaScript 代码并返回最后一条 JavaScript 语句的返回结果 function main(splash, args) splash:go(" ...

  9. 一个简单的demo学习Android远程Service(AIDL的使用)

    这是milo很早之前写在论坛上的一个帖子,现在整理出来,milo也复习一下一般来说Android 的四大组件都是运行在同一个进程中的,但远程Service运行在不同的进程里.这进程间的通信是使用了An ...

  10. Java中过滤器和拦截器的区别

    1.拦截器是基于java反射机制的,而过滤器是基于函数回调的. 2.过滤器依赖于servlet容器,而拦截器不依赖于servlet容器. 3.拦截器只对action起作用,而过滤器几乎可以对所有请求起 ...