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 mount 挂接新硬盘

    1.先用fdisk -l查看一下,先加入的外设地址名称   2. #fdisk /dev/sdb进入fdisk模式:Command (m for help):p //查看新硬盘的分区Command ( ...

  2. linux下命令行打开文件管理器

    nautilus,这个太有用了,应为可以在secureCRT中使用,因为可以添加sudo来调用

  3. 关于微博开放平台Oauth2.0接入网站应用

    关于什么是微博开放平台及微博开放平台能做什么,咱就不做搜索引擎的搬运工了 这里直接给个链接介绍:微博开放平台 本文只是抛砖引玉,讲讲微博开放平台的基本用法,适合没接触过开放平台的朋友入门学习,老鸟就略 ...

  4. linux echo命令

    该篇文章转载于:http://www.cnblogs.com/ZhangShuo/articles/1829589.html linux的echo命令, 在shell编程中极为常用, 在终端下打印变量 ...

  5. sql产生随机时间

    --建立过程 CREATE PROCEDURE GetTime     @BeginTime VARCHAR(5),     @EndTime VARCHAR(5),     @RandTime VA ...

  6. 第五种方式，python使用组合来添加类方法和属性（二），以selenium的webdriver为例

    组合优点多,但经常比继承需要额外的代码. 上一篇是 介绍装饰器.继承.元类.mixin,四种給类动态添加类属性和方法的四种方式. 此篇介绍直接把被组合的类的属性直接加入到类里面,前面的四个例子很简单, ...

  7. MAC下Android的Eclipse开发环境的搭建 转自MacroCheng

    原文地址:  http://www.cnblogs.com/macro-cheng/archive/2011/09/30/android-001.html 一．Eclipse的下载 到网站:http: ...

  8. Springboot启动后报错【This application has no explicit mapping for /error, so you are seeing this as a fallback····】

    This application has no explicit mapping for /error, so you are seeing this as a fallback. Wed Dec 1 ...

  9. zabbix加入TCP连接数及状态的监控

    一 监控原理: [root@ nginx]# /bin/netstat -an|awk '/^tcp/{++S[$NF]}END{for(a in S) print a,S[a]}' TIME_WAI ...

  10. 【NLP】HanLP环境

    1.参考:https://github.com/hankcs/pyhanlp 2.问题: C:\Users\ADMINI~1\AppData\Local\Temp\pip-install-u617cf ...