Scrapy_创建第一个爬虫

Scrapy创建第一个爬虫案例_配置信息

1 创建第一个项目

scrapy startproject myfrist(project_name)

Scrapy创建第一个爬虫案例_数据库_02

2 文件说明

名称

作用

scrapy.cfg

项目的配置信息，主要为Scrapy命令行工具提供一个基础的配置信息。（真正爬虫相关的配置信息在settings.py文件中）

items.py

设置数据存储模板，用于结构化数据，如：Django的Model

pipelines

数据处理行为，如：一般结构化的数据持久化

settings.py

配置文件，如：递归的层数、并发数，延迟下载等

spiders

爬虫目录，如：创建文件，编写爬虫规则

3 创建第一个爬虫

scrapy genspider 爬虫名 爬虫的地址

注意

一般创建爬虫文件时，以网站域名命名

4 爬虫包含的内容

  • name: 它定义了蜘蛛的唯一名称
  • allowed_domains: 它包含了蜘蛛抓取的基本URL；
  • start-urls: 蜘蛛开始爬行的URL列表；
  • parse(): 这是提取并解析刮下数据的方法；

5 代码

import scrapy


class DoubanSpider(scrapy.Spider):
  name = 'douban'
  allowed_domains = 'douban.com'
  start_urls = [
    'https://movie.douban.com/top250/'
   ]


  def parse(self, response):
    movie_name = response.xpath("//div[@class='item']//a/span[1]/text()").extract()
    movie_core = response.xpath("//div[@class='star']/span[2]/text()").extract()
    yield {
      'movie_name':movie_name,
      'movie_core':movie_core
     }