python爬虫学习笔记:第一个Scrapy爬虫框架

2023-06-0917:25:25后端程序开发Comments559 views字数 775阅读模式

一、安装scrapy库文件文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

pip install scrapy
python爬虫学习笔记:第一个Scrapy爬虫框架

二、创建项目文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

1、在Pycharm的终端里面运行文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

scrapy startproject 项目名称
python爬虫学习笔记:第一个Scrapy爬虫框架

2、进入到创建的目录,并执行下面代码文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

cd kjpc
scrapy genspider 爬虫名字 任意一个网址(后面可以修改)
scrapy genspider pachong www.aiyou.com
python爬虫学习笔记:第一个Scrapy爬虫框架

3、自动创建的文件及目录文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

python爬虫学习笔记:第一个Scrapy爬虫框架

4、参数解释文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

name:就是爬虫的唯一标识,运行爬虫就是运行这个文件名字
allowed_domains:爬虫允许爬取的域名范围
start_urls:可以被scrapy发起get请求,可以填写多个地址
response:响应对象

5、修改相关配置settings.py,绕过某些限制文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

1、robots协议修改
ROBOTSTXT_OBEY = False
2、只查看日志的错误信息
LOG_LEVEL = 'ERROR'
3、添加头信息
USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36"

6、在pycharm的终端中运行项目文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

scrapy crawl pachong  打印日志信息
scrapy crawl pachong --nolog  不打印日志信息

7、源码文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html

import scrapy
class PachongSpider(scrapy.Spider):
    name = "pachong"
    #allowed_domains = ["www.aiyou.com"]
    start_urls = ["https://www.baidu.com/","https://www.sina.com"]
    def parse(self, response):
        print("响应内容:",response)
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/46356.html
  • 本站内容整理自互联网,仅提供信息存储空间服务,以方便学习之用。如对文章、图片、字体等版权有疑问,请在下方留言,管理员看到后,将第一时间进行处理。
  • 转载请务必保留本文链接:https://www.cainiaoxueyuan.com/bc/46356.html

Comment

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定