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。

版权声明：本文为xcymn原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/xcymn/p/13258034.html