第6章 通过CrawlSpider对招聘网站进行整站爬取

通过前几章的2个项目的学习，其实本章的拉钩网项目还是挺容易理解的。

本章主要的还是对CrawlSpider源码的解析，其实我对源码还不是很懂，只是会基本的一些功能而已。

不分小节记录了，直接上知识点，可能比较乱。

1.建立数据表sql语句参考

 CREATE TABLE `lagou_job` (
   `job_id` int(11) NOT NULL DEFAULT '' COMMENT '职位页面的id',
   `title` varchar(255) NOT NULL COMMENT '职位名称',
   `url` varchar(255) NOT NULL COMMENT '职位链接',
   `salary` varchar(255) DEFAULT NULL COMMENT '工资',
   `job_city` varchar(255) DEFAULT NULL COMMENT '城市',
   `work_years` varchar(255) DEFAULT NULL COMMENT '工作经验',
   `degree_need` varchar(255) DEFAULT NULL COMMENT '学历',
   `job_type` varchar(255) DEFAULT NULL COMMENT '工作性质',
   `publish_time` varchar(255) DEFAULT NULL COMMENT '发布时间',
   `job_advantage` varchar(255) DEFAULT '' COMMENT '职位诱惑',
   `job_desc` longtext COMMENT '职位描述',
   `job_addr` varchar(255) DEFAULT NULL COMMENT '工作详细地点',
   `company_url` varchar(255) DEFAULT NULL COMMENT '公司链接',
   `company_name` varchar(255) DEFAULT NULL COMMENT '公司名称',
   PRIMARY KEY (`job_id`)
 ) ENGINE=MyISAM DEFAULT CHARSET=utf8;

2.继承CrawlSpider

scrapy genspider -t crawl lagou www.lagou.com

3.根目录问题

有时候from ...  import ...出错的时候，可以看看根目录是不是对的

4.CrawlSpider使用说明

参考scrapy文档： http://scrapy-chs.readthedocs.io/zh_CN/latest/topics/spiders.html#crawlspider

作者：今孝

出处：http://www.cnblogs.com/jinxiao-pu/p/6757603.html

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接。