用scrapy爬取数据。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
1.爬取数据的主要思路文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
我们从该网址(
https://so.gushiwen.cn/shiwenv_4c5705b99143.aspx)爬取这首诗的标题和诗句,然后保存在我们的文件夹中,文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
2.scrapy爬虫案例解析文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第一步,我们先新建一个scrapy框架名为’poems‘的文件夹文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第二步,新建一个名为’verse‘的爬虫文件文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第三步,对网页发送请求文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
打开爬虫文件’verse‘,更改需要爬取的网页地址文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第四步,解析数据文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
更改parse解析部分,对获取到的数据(response)进行数据解析,所用到的解析方式为xpath解析,方法与requests发送请求的解析方式大同小异,首先在找到我们需要解析的部分内容,并填写相应的代码(如下图)。我们发现,与requests发送请求的解析方式不同的是,在原有基础上加上extract方法,和join方法才能获取文本信息文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第五步,返回数据文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
我们要保存数据就需要parse模块有返回值,我们先新建一个空列表data,然后我们将title和content放入字典中并添加到列表中文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
第六步,保存数据文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
依旧用指令进行保存:scrapy +crawl+爬虫文件名+-o+保存路径,最终结果如下图:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/28356.html