zoukankan      html  css  js  c++  java
  • Scrapy 多url爬取、爬取post请求、更换代理ip、指定日志等级

    ---多url爬取---

    import scrapy
    from many_url_crawl.items import ManyUrlCrawlItem
    
    
    # 爬取之后N页数据
    class HandleSpider(scrapy.Spider):
        name = 'handle'
        # allowed_domains = ['www.qiushibaike.com']
        start_urls = ['https://www.qiushibaike.com/text/']
    
        url = 'https://www.qiushibaike.com/text/page/%d/'
        pageNum = 1
    
        def parse(self, response):
            div_list = response.xpath('//*[@id="content-left"]/div')
    
            for i in div_list:
                author = i.xpath('.//div[@class="author clearfix"]/a[2]/h2/text()').extract()[0]
                content = i.xpath('.//div[@class="content"]/span/text()').extract()[0]
                item = ManyUrlCrawlItem()
                item['author'] = author
                item['content'] = content
                yield item
    
                if self.pageNum <= 13:  # 控制!否则无限递归了。。
                    self.pageNum += 1
                    print('爬第:%d 页' % self.pageNum)
                    new_url = self.url % self.pageNum
                    # callback 回调函数,页面进行解析
                    yield scrapy.Request(url=new_url, callback=self.parse)

    ---爬取POST请求

    import scrapy
    
    
    class ScrPostSpider(scrapy.Spider):
        name = 'scr_post'
        # allowed_domains = ['www.baidu.com']
        start_urls = ['https://fanyi.baidu.com/translate']
    
        # 该方法是父类的一个方法:该方法可以对start_urls列表中的元素进行get请求的发送
        # 发起post请求二中方式:
            #1.将Request方法中的method参数赋值成post
            #2.FormRequest()可以发起post请求(推荐)
        def start_requests(self):
            data={
                'query':'dog'
            }
            for url in self.start_urls:
                #formdata:请求参数对应的字典
                yield scrapy.FormRequest(url=url,formdata=data,callback=self.parse)
    
        def parse(self, response):
            print(response.text)

    ---在middlewarses---

    #自定义一个下载中间件的类,在类中事先process_request(处理中间件拦截到的请求)方法
    class MyProxy(object):
        def process_request(self,request,spider):
            #请求ip的更换
            request.meta['proxy'] = 'http://120.210.219.101:8080'

    在setting55行

    DOWNLOADER_MIDDLEWARES = {
    'proxy.middlewares.MyProxy': 543,
    }

    ---指定日志等级---

    在setting中设置LOG_LEVEL = 'ERROR'

  • 相关阅读:
    jQuery的简单应用
    JQuery事件
    [django]数据导出excel升级强化版(很强大!)
    [Django]用户权限学习系列之权限管理界面实现
    [Django]用户权限学习系列之设计自有权限管理系统设计思路
    [jquery]显示隐藏div标签的几种方法
    [Django]用户权限学习系列之User权限基本操作指令
    [jquery]jquery正则表达式验证(手机号、身份证号、中文名称)
    [Django]用户权限学习系列之Permission权限基本操作指令
    [python]set集合学习
  • 原文地址:https://www.cnblogs.com/zhuzhiwei-2019/p/10915174.html
Copyright © 2011-2022 走看看