12.scrapy框架之递归解析和post请求
今日概要
- 递归爬取解析多页页面数据
- scrapy核心组件工作流程
- scrapy的post请求发送
今日详情
1.递归爬取解析多页页面数据
- 需求:将糗事百科所有页码的作者和段子内容数据进行爬取切持久化存储
- 需求分析:每一个页面对应一个url,则scrapy工程需要对每一个页码对应的url依次发起请求,然后通过对应的解析方法进行作者和段子内容的解析。
实现方案:
1.将每一个页码对应的url存放到爬虫文件的起始url列表(start_urls)中。(不推荐)
2.使用Request方法手动发起请求。(推荐)
代码展示:
2.五大核心组件工作流程:
- 引擎(Scrapy)
用来处理整个系统的数据流处理, 触发事务(框架核心) - 调度器(Scheduler)
用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL(抓取网页的网址或者说是链接)的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址 - 下载器(Downloader)
用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的) - 爬虫(Spiders)
爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面 - 项目管道(Pipeline)
负责处理爬虫从网页中抽取的实体,主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后,将被发送到项目管道,并经过几个特定的次序处理数据。
3.post请求发送
- 问题:在之前代码中,我们从来没有手动的对start_urls列表中存储的起始url进行过请求的发送,但是起始url的确是进行了请求的发送,那这是如何实现的呢?
- 解答:其实是因为爬虫文件中的爬虫类继承到了Spider父类中的start_requests(self)这个方法,该方法就可以对start_urls列表中的url发起请求:
【注意】该方法默认的实现,是对起始的url发起get请求,如果想发起post请求,则需要子类重写该方法。
-方法: 重写start_requests方法,让其发起post请求:
android AES 加密解密
TabLayout+ViewPager 标题不显示问题
BottomNavigationView 使用
greendao3.2.0使用
android studio svn不显示问题
scrapy爬虫学习系列五:图片的抓取和下载
scrapy爬虫学习系列四:portia的学习入门
scrapy爬虫学习系列二:scrapy简单爬虫样例学习
scrapy爬虫学习系列一:scrapy爬虫环境的准备
- 最新文章
-
菜鸟学Java(二十三)——Java内存分析
菜鸟要做架构师(二)——java性能优化之for循环
菜鸟教程之工具使用(五)——JRebel与Windows服务的Tomcat集成
菜鸟要做架构师(一)——如何快速开发中小型系统
菜鸟学SSH(十九)——提高用户体验之404处理
菜鸟学Java(二十二)——重新认识泛型
Failed to run 'create login' or 'sp_addsrvrolemeber' in sql Linux using windows authentcation
Sql Server Linux(Redhat) Distributed Availability Group Setup — step by step
Example of SQL Linux Windows Authentication configuration using Managed Service Accounts
FILESTREAM feature can't be enabled if you use cluster shared volumes
- 热门文章
-
SQL Server does not purge row versioning records even the transaction are committed if there are other open transaction running in the databases with read-committed snapshot enabled .
“The subscription does not exist” when a distributor primary replica fails over to a replica that does not use the same agent profile
The thumbprint of same asymmetric key is not same in 'SQL Server Connector for Microsoft Azure Key Vault' 1.0.4.0 and 'SQL Server Connector for Microsoft Azure Key
在SQL Server 2017 中,当Alwasyon group启用了DTC_SUPPORT = PER_DB, 会导致无法创建replicaiton.
CDC在sql server 2017中无法使用的问题
Use Dynamic Data Masking to obfuscate your sensitive data
android studio Authentication failed for
zxing生成二维码和条码
Failed to resolve: common Open File 导入项目问题
错误 CS0006 Metadata file 'E:项目名称xxxx.dll'