第一个scrapy项目

1. 创建scrapy项目

1.1 创建项目三剑客

这里的三剑客指的是：创建项目以及运行项目的三条命令

1.1.1 创建项目

scrapy stratproject 项目名称

(base) D:\project\爬虫高性能相关>scrapy startproject spider1

New Scrapy project 'spider1', using template directory 'd:\anaconda3\lib\site-packages\scrapy\templates\project', created in:

    D:\project\爬虫高性能相关\spider1

You can start your first spider with:

    cd spider1

    scrapy genspider example example.com

这里我们就创建好了一个scrapy项目 ( 工程 ) , 接下来的操作都是在这个项目目录下进行, 此时我们只是创建了一个项目, 但该项目中并没有爬虫文件. 接下来就是创建爬虫文件.

1.1.2 创建爬虫

首先要进入到项目路径下: 在pycharm的terminal中 输入 cd 项目名

我这里就是: cd spider1

(base) D:\project\爬虫高性能相关>cd spider1

(base) D:\project\爬虫高性能相关\spider1>

创建爬虫文件: scrapy genspider baidu baidu.com

# 这里我们以爬取百度首页为例

(base) D:\project\爬虫高性能相关\spider1>scrapy genspider baidu baidu.com

Created spider 'baidu' using template 'basic' in module:

  spider1.spiders.baidu

scrapy genspider 是固定写法 , 紧接着跟的是 爬虫的文件名 以及允许爬的域名

输入该命令后就会生成以下项目目录:

spider1

	|

    |——spider1

    |	 ├─spiders

    |        │  baidu.py

    |        │  __init__.py

    |    |

    |    │  items.py

    |    │  middlewares.py

    |    │  pipelines.py

    |    │  settings.py

    |--scrapy.cfg

这样我们的爬虫项目就创建完成了, 接下来就是具体写爬虫代码了, 打开 baidu.py 就可以在里面写代码了.

1.1.3 编写爬虫

首先了解一下文件自动生成的内容:

# -*- coding: utf-8 -*-

import scrapy

class BaiduSpider(scrapy.Spider):

    # name 爬虫对象的名称

    name = 'baidu'

    # 允许爬的域名

    allowed_domains = ['baidu.com']

    # 起始的url

    start_urls = ['http://baidu.com/']

    def parse(self, response):

        # 默认的回调函数,用来解析并提取网页内容

        # response就是网页返回的响应内容

        pass

这里我们就直接打印一下百度首页的源码内容

# -*- coding: utf-8 -*-

import scrapy

class BaiduSpider(scrapy.Spider):

    name = 'baidu'

    allowed_domains = ['baidu.com']

    start_urls = ['http://baidu.com/']

    def parse(self, response):

		print(response.text)

1.1.4 运行爬虫

在运行爬虫之前先在settings.py中更改一个配置, 否则你是无法爬取百度首页的

# Obey robots.txt rules

# ROBOTSTXT_OBEY = True

ROBOTSTXT_OBEY = False

# 熟悉爬虫的朋友应该看出来了,这里是关闭robots协议

scrapy crawl baidu

执行这条命令之后, 就会在终端打印出百度首页的源码内容

<!DOCTYPE html>

<!--STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=

IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.mi

n.css><title>百度一下，你就知道</title></head> <body link=#0000cc> <div id=wrapper> <div id=head> <div class=head_wrapper> <div clas

s=s_form> <div class=s_form_wrapper> <div id=lg> <img hidefocus=true src=//www.baidu.com/img/bd_logo1.png width=270 height=129> </di

v> <form id=form name=f action=//www.baidu.com/s class=fm> <input type=hidden name=bdorz_come value=1> <input type=hidden name=ie va

lue=utf-8> <input type=hidden name=f value=8> <input type=hidden name=rsv_bp value=1> <input type=hidden name=rsv_idx value=1> <inpu

t type=hidden name=tn value=baidu><span class="bg s_ipt_wr"><input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off au

tofocus></span><span class="bg s_btn_wr"><input type=submit id=su value=百度一下 class="bg s_btn"></span> </form> </div> </div> <div

 id=u1> <a href=http://news.baidu.com name=tj_trnews class=mnav>新闻</a> <a href=http://www.hao123.com name=tj_trhao123 class=mnav>h

ao123</a> <a href=http://map.baidu.com name=tj_trmap class=mnav>地图</a> <a href=http://v.baidu.com name=tj_trvideo class=mnav>视频<

/a> <a href=http://tieba.baidu.com name=tj_trtieba class=mnav>贴吧</a> <noscript> <a href=http://www.baidu.com/bdorz/login.gif?login

&amp;tpl=mn&amp;u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录</a> </noscript> <script>document.write(

'<a href="http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u='+ encodeURIComponent(window.location.href+ (window.location.search ==

= "" ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录</a>');</script> <a href=//www.baidu.com/more/ name=tj_briicon

 class=bri style="display: block;">更多产品</a> </div> </div> </div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.ba

idu.com>关于百度</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>&copy;2017&nbsp;Baidu&nbsp;<a href=http://www.baidu.c

om/duty/>使用百度前必读</a>&nbsp; <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a>&nbsp;京ICP证030173号&nbsp; <img sr

c=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>

1.2 总结

到这里的话, 你的第一个爬虫项目就从创建到运行结束了, 但是这只是一个很简单, 简单到不能再简单的实例了, 你可能都认为就这?, 哈哈哈, 当然不是了, 接下来我们将对scrapy的框架结构 执行流程 以及各个组件的应用 和 自定义拓展 源码分析 以及自己写一个简易版的scrapy框架来学习scrapy框架。

3.第一个scrapy项目的更多相关文章

  1. 亲测——pycharm下运行第一个scrapy项目 ©seven_clear

    最近在学习scrapy,就想着用pycharm调试,但不知道怎么弄,从网上搜了很多方法,这里总结一个我试成功了的. 首先当然是安装scrapy,安装教程什么的网上一大堆,这里推荐一个详细的:http: ...

  2. scrapy（一）建立一个scrapy项目

    本项目实现了获取stack overflow的问题,语言使用python,框架scrapy框架,选取mongoDB作为持久化数据库,redis做为数据缓存 项目源码可以参考我的github:https ...

  3. 【Python3爬虫】第一个Scrapy项目

    Python版本:3.5    IDE:Pycharm 今天跟着网上的教程做了第一个Scrapy项目,遇到了很多问题,花了很多时间终于解决了== 一.Scrapy终端(scrapy shell) Sc ...

  4. 创建第一个Scrapy项目

    d:进入D盘 scrapy startproject tutorial建立一个新的Scrapy项目 工程的目录结构: tutorial/ scrapy.cfg # 部署配置文件 tutorial/ # ...

  5. 搭建第一个scrapy项目的常见问题

    错误1:在执行 scrapy crawl spider名命令的时候 出现了ImportError:DLL load failed: %1不是有效的win32程序错误 这是因为pywin32的版本安装错 ...

  6. 新建一个scrapy项目

    此次是做一个豆瓣的top250信息的抓取 首先打开pycharm 在pycharm的下端的Terminal中输入scrapy startproject douban 此时系统就生成了以下文件(spid ...

  7. Python Scrapy项目创建（基础普及篇）

    在使用Scrapy开发爬虫时,通常需要创建一个Scrapy项目.通过如下命令即可创建 Scrapy 项目: scrapy startproject ZhipinSpider 在上面命令中,scrapy ...

  8. Scrapy:学习笔记(2)——Scrapy项目

    Scrapy:学习笔记(2)——Scrapy项目 1.创建项目 创建一个Scrapy项目,并将其命名为“demo” scrapy startproject demo cd demo 稍等片刻后,Scr ...

  9. 创建一个scrapy爬虫框架的项目

    第一步:打开pycharm,选择"terminal",如图所示: 第二步:在命令中端输入创建scrapy项目的命令:scrapy startproject demo (demo指的 ...

随机推荐

  1. 面试三轮我倒在了一道sql题上——sql性能优化

    一.前言 最近小农在找工作,因为今年疫情的特殊原因,导致工作不是特别好找,所以一旦有面试电话,如果可以,都会去试一试,刚好接到一个面试邀请,感觉公司还不错,于是就确定了面试时间,准备了一下就去面试了. ...

  2. shell命令：命令置换、进程管理

    1:命令置换 command1  `command2` 将command2的结果作为command1的参数 注意:command2的引号为esc键下的单引号 2:进程管理 1)命令 (1)ps  -a ...

  3. java关键字volatile用法详解

    volatile关键字想必大家都不陌生,在java 5之前有着挺大的争议,在java 5之后才逐渐被大家接受,同时作为java的关键字之一,其作用自然是不可小觑的,要知道它是java.util.con ...

  4. 嵌入式Linux学习笔记(六) 上位机QT界面实现和串口通讯实现

    目录 (1).参考资料 (2).QT界面布局实现 (3).数据和操作逻辑 在上一章我们实现了下位机的协议制定,并通过串口通讯工具完成了对设备内外设(LED)的状态修改,下面就要进行上位机软件的实现了( ...

  5. linux下gdb调试方法与技巧整理

    参考博客:  https://blog.csdn.net/niyaozuozuihao/article/details/91802994 1.运行命令run:简记为 r ,其作用是运行程序,当遇到断点 ...

  6. 真香，撸一个SpringBoot在线代码修改器

    前言 项目上线之后,如果是后端报错,只能重新编译打包部署然后重启:如果仅仅是前端页面.样式.脚本修改,只需要替换到就可以了. 小公司的话可能比较自由,可以随意替换,但是有些公司权限设置的比较严格,需要 ...

  7. React、Vue添加全局的请求进度条（nprogress）

    全局的请求进度条,我们可以使用nprogress来实现,效果如下: 首先需要安装插件: npm i nprogress -S 然后使用的时候主要有两种方式,第一种是切换页面的时候,第二种则是请求接口的 ...

  8. sprintf 会自动追加’\0’至字符串末尾

    #define LEN_SERIAL_NUMBER (12) void C_CosemObjMeterInfo::SetSerialNum(U08 u08MeterId, U64 u64SerialN ...

  9. @hdu - 6426@ Problem A.Alkane

    目录 @description@ @solution@ @accepted code@ @details@ @description@ 求包含 n 个碳的烷烃与烷基的同分异构体个数 mod 99824 ...

  10. MyBatis 实体类属性与表字段不一致

    原文链接:https://blog.csdn.net/zx48822821/java/article/details/79050735 因为数据库一般设置为表的字段不区分大小写,所以数据库中表的字段通 ...