zoukankan      html  css  js  c++  java
  • 2019-03-22 Python Scrapy 入门教程 笔记

    Python Scrapy 入门教程 

    入门教程笔记:

    # 创建mySpider
    scrapy startproject mySpider
    
    # 创建itcast.py
    cd C:Users	heDataDiggersmySpidermySpiderspiders
    scrapy genspider itcast "itcast.cn"
    
    # itcast(itcast.py name)---ItcastSpider(类名)
    #该类有3个强制的属性,和一个解析的方法(属性为name allowed_domains start_urls)
    
    # 执行itcast.py
    scrapy crawl itcast
    scrapy crawl itcast -o teachers.csv
    
    
    #在没有学习scrapy时,我们是先请求数据,然后返回数据的
    response=request.get(url)
    soup=BeautifulSoup(response.text,'lxml')
    soup.select()
    
    #学习了Scrapy后,发现
    def parse(self,response):
    #自带response,你可以进行以下操作
    response.body()
    response.xpath()
    
    
    #顺便还复习了一下类的继承
    class ItcastSpider(scrapy.Spider):
    class ItcastItem(scrapy.Item):
    class MyspiderPipeline(object):
    
    #还有引用其它Python文件的类
    from mySpider.items import ItcastItem
    

    学习目标

    • 创建一个Scrapy项目
    • 定义提取的结构化数据(Item)
    • 编写爬取网站的 Spider 并提取出结构化数据(Item)
    • 编写 Item Pipelines 来存储提取到的Item(即结构化数据)

     

    • Scrapy Engine(引擎): 负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯,信号、数据传递等。

    • Scheduler(调度器): 它负责接受引擎发送过来的Request请求,并按照一定的方式进行整理排列,入队,当引擎需要时,交还给引擎。

    • Downloader(下载器):负责下载Scrapy Engine(引擎)发送的所有Requests请求,并将其获取到的Responses交还给Scrapy Engine(引擎),由引擎交给Spider来处理,

    • Spider(爬虫):它负责处理所有Responses,从中分析提取数据,获取Item字段需要的数据,并将需要跟进的URL提交给引擎,再次进入Scheduler(调度器).

    • Item Pipeline(管道):它负责处理Spider中获取到的Item,并进行进行后期处理(详细分析、过滤、存储等)的地方。

    • Downloader Middlewares(下载中间件):你可以当作是一个可以自定义扩展下载功能的组件。

    • Spider Middlewares(Spider中间件):你可以理解为是一个可以自定扩展和操作引擎和Spider中间通信的功能组件(比如进入Spider的Responses;和从Spider出去的Requests)

  • 相关阅读:
    vue中使用v-bind="$attrs"和v-on="$listeners"进行多层组件监听
    钉钉小程序开发遇到的坑
    promise、async、await、settimeout异步原理与执行顺序
    js获取url参数值的几种方式
    ES6解构赋值
    2019年前端面试题
    浏览器兼容问题踩坑收集
    react+antd分页 实现分页及页面刷新时回到刷新前的page
    无侵入埋点
    CSS学习笔记(三)空白符和换行
  • 原文地址:https://www.cnblogs.com/theDataDigger/p/10579125.html
Copyright © 2011-2022 走看看