亚洲综合原千岁中文字幕_国产精品99久久久久久久vr_无码人妻aⅴ一区二区三区浪潮_成人h动漫精品一区二区三

主頁 > 知識庫 > python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析

python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析

熱門標簽:高德地圖標注字母 千呼ai電話機器人免費 鎮江人工外呼系統供應商 400電話辦理費用收費 申請辦個400電話號碼 騰訊地圖標注有什么版本 柳州正規電銷機器人收費 外呼系統前面有錄音播放嗎 深圳網絡外呼系統代理商

一、CrawlSpider類介紹

1.1 引入

使用scrapy框架進行全站數據爬取可以基于Spider類,也可以使用接下來用到的CrawlSpider類?;赟pider類的全站數據爬取之前舉過栗子,感興趣的可以康康

scrapy基于CrawlSpider類的全站數據爬取

1.2 介紹和使用

1.2.1 介紹

CrawlSpider是Spider的一個子類,因此CrawlSpider除了繼承Spider的特性和功能外,還有自己特有的功能,主要用到的是 LinkExtractor()rules = (Rule(LinkExtractor(allow=r'Items/'), callback='parse_item', follow=True),)

LinkExtractor()鏈接提取器
LinkExtractor()接受response對象,并根據allow對應的正則表達式提取響應對象中的鏈接

link = LinkExtractor(
# Items只能是一個正則表達式,會提取當前頁面中滿足該"正則表達式"的url	
  allow=r'Items/'
)

rules = (Rule(link, callback='parse_item', follow=True),)規則解析器
按照指定規則從鏈接提取器中提取到的鏈接中解析網頁數據
link:是一個LinkExtractor()對象,指定鏈接提取器
callback:回調函數,指定規則解析器(解析方法)解析數據
follow:是否將鏈接提取器繼續作用到鏈接提取器提取出的鏈接網頁

import scrapy
# 導入相關的包
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule

class TextSpider(CrawlSpider):
 name = 'text'
 allowed_domains = ['www.xxx.com']
 start_urls = ['http://www.xxx.com/']

# 鏈接提取器,從接受到的response對象中,根據item正則表達式提取頁面中的鏈接
	link = LinkExtractor(allow=r'Items/')
	link2 = LinkExtractor(allow=r'Items/')
# 規則解析器,根據callback將鏈接提取器提取到的鏈接進行數據解析
# follow為true,則表示將鏈接提取器繼續作用到鏈接提取器所提取到的鏈接頁面中
# 故:在我們提取多頁數據時,若第一頁對應的網頁中包含了第2,3,4,5頁的鏈接,
# 當跳轉到第5頁時,第5頁又包含了第6,7,8,9頁的鏈接,
# 令follow=True,就可以持續作用,從而提取到所有頁面的鏈接
 rules = (Rule(link, callback='parse_item', follow=True),
 		Rule(link2,callback='parse_content',follow=False))
 # 鏈接提取器link使用parse_item解析數據
	def parse_item(self, response):
 item = {}
 
 yield item
 # 鏈接提取器link2使用parse_content解析數據
	def parse_content(self, response):
		item = {}
		
		yield item

1.2.2 使用

創建爬蟲文件:除了創建爬蟲文件不同外,創建項目和運行爬蟲使用的命令和基于Spider類使用的命令相同

scrapy genspider crawl -t spiderName www.xxx.com 

二、案例:古詩文網全站數據爬取

爬取古詩文網首頁古詩的標題,以及每一首詩詳情頁古詩的標題和內容。
最后將從詳情頁提取到的古詩標題和內容進行持久化存儲

2.1 爬蟲文件

import scrapy
from scrapy.linkextractors import LinkExtractor

from scrapy.spiders import CrawlSpider, Rule
from gushiPro.items import GushiproItem,ContentItem

class GushiSpider(CrawlSpider):
 name = 'gushi'
 #allowed_domains = ['www.xxx.com']
 start_urls = ['https://www.gushiwen.org/']

 # 鏈接提取器:只能使用正則表達式,提取當前頁面的滿足allow條件的鏈接
 link = LinkExtractor(allow=r'/default_\d+\.aspx')

 # 鏈接提取器,提取所有標題對應的詳情頁url
 content_link = LinkExtractor(allow=r'cn/shiwenv_\w+\.aspx')
 rules = (
 # 規則解析器,需要解析所有的頁面,所有follow=True
 Rule(link, callback='parse_item', follow=True),

 # 不需要寫follow,因為我們只需要解析詳情頁中的數據,而不是詳情頁中的url
 Rule(content_link, callback='content_item'),
 )

 # 解析當前頁面的標題
 def parse_item(self, response):
 p_list = response.xpath('//div[@class="sons"]/div[1]/p[1]')

 for p in p_list:
 title = p.xpath('./a//text()').extract_first()
 item = GushiproItem()
 item['title'] = title
 yield item
 
 # 解析詳情頁面的標題和內容
 def content_item(self,response):
 # //div[@id="sonsyuanwen"]/div[@class="cont"]/div[@class="contson"]
 # 解析詳情頁面的內容
 content = response.xpath('//div[@id="sonsyuanwen"]/div[@class="cont"]/div[@class="contson"]//text()').extract()
 content = "".join(content)
 # # 解析詳情頁面的標題
 title = response.xpath('//div[@id="sonsyuanwen"]/div[@class="cont"]/h1/text()').extract_first()
 # print("title:"+title+"\ncontent:"+content)
 item = ContentItem()
 item["content"] = content
 item["title"] = title
 # 將itme對象傳給管道
 yield item

2.2 item文件

import scrapy

# 不同的item類是獨立的,他們可以創建不同的item對象
class GushiproItem(scrapy.Item):
 # define the fields for your item here like:
 # name = scrapy.Field()
 title = scrapy.Field()

class ContentItem(scrapy.Item):
 title = scrapy.Field()
 content = scrapy.Field()

2.3 管道文件

from itemadapter import ItemAdapter

class GushiproPipeline:
 def __init__(self):
 self.fp = None

 def open_spider(self,spider):
 self.fp = open("gushi.txt",'w',encoding='utf-8')
 print("開始爬蟲")

 def process_item(self, item, spider):
 # 從詳情頁獲取標題和內容,所以需要判斷爬蟲文件中傳來的item是什么類的item
 # item.__class__.__name__判斷屬于什么類型的item
 if item.__class__.__name__ == "ContentItem":
 content = "《"+item['title']+"》",item['content']
 content = "".join(content) 
 print(content)
 self.fp.write(content)
 return item

 def close_spider(self,spider):
 self.fp.close()
 print("結束爬蟲")

2.4 配置文件

2.5 輸出結果

到此這篇關于python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析的文章就介紹到這了,更多相關python爬蟲scrapy數據爬取內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • python scrapy項目下spiders內多個爬蟲同時運行的實現
  • Python爬蟲Scrapy框架CrawlSpider原理及使用案例
  • Python Scrapy框架:通用爬蟲之CrawlSpider用法簡單示例
  • Python爬蟲框架之Scrapy中Spider的用法

標簽:合肥 郴州 大慶 哈爾濱 海南 平頂山 烏蘭察布 烏蘭察布

巨人網絡通訊聲明:本文標題《python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析》,本文關鍵詞  python,爬蟲,scrapy,基于,CrawlSpider,;如發現本文內容存在版權問題,煩請提供相關信息告之我們,我們將及時溝通與處理。本站內容系統采集于網絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析》相關的同類信息!
  • 本頁收集關于python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析的相關信息資訊供網民參考!
  • 推薦文章
    国产视频在线免费观看| 可以在线看黄的网站| 精品视频在线看| 欧美日本免费| 久久99中文字幕| 在线观看成人网| 99久久精品费精品国产一区二区| 在线观看导航| 欧美18性精品| 精品视频在线看 | 日日日夜夜操| 韩国毛片免费| 亚洲第一视频在线播放| 国产伦久视频免费观看 视频| 久久国产精品永久免费网站| 99久久精品国产免费| 亚洲精品久久玖玖玖玖| 精品视频在线看 | 日韩在线观看免费完整版视频| 国产国语对白一级毛片| 国产视频一区在线| 日韩在线观看视频黄| 天天做人人爱夜夜爽2020| 中文字幕97| 成人免费观看网欧美片| 国产不卡在线看| 天天色成人| 九九久久国产精品| 精品国产香蕉在线播出| 亚洲精品影院久久久久久| 99色视频| 国产激情一区二区三区| 成人影院一区二区三区| 九九热精品免费观看| 九九久久99| 亚洲第一色在线| 日本久久久久久久 97久久精品一区二区三区 狠狠色噜噜狠狠狠狠97 日日干综合 五月天婷婷在线观看高清 九色福利视频 | 99热热久久| 99久久精品费精品国产一区二区| 99久久精品费精品国产一区二区| 欧美一级视频免费观看| 麻豆网站在线看| 亚洲wwwwww| 四虎影视精品永久免费网站| 国产亚洲精品成人a在线| 一级片免费在线观看视频| 99久久精品国产免费| 欧美另类videosbestsex久久| 国产成人啪精品| 亚洲第一视频在线播放| 精品视频在线看| 一级毛片视频播放| 免费国产在线观看不卡| 国产国语对白一级毛片| 韩国毛片 免费| 精品国产一区二区三区精东影业| 精品在线观看国产| 99久久网站| 韩国三级视频在线观看| 91麻豆精品国产自产在线观看一区 | 国产一区二区精品尤物| 九九热精品免费观看| 国产成a人片在线观看视频| 国产a一级| 国产福利免费观看| 一级女性大黄生活片免费| 亚洲爆爽| 黄视频网站免费| 国产一区二区精品久久91| 国产不卡在线看| 高清一级淫片a级中文字幕 | 九九九国产| 一级毛片视频播放| 欧美1区| 你懂的在线观看视频| 国产一区精品| 九九九网站| 精品久久久久久中文字幕一区| 99色视频| 国产一区二区福利久久| 日本伦理片网站| 99久久精品国产免费| 国产成人精品综合久久久| 成人影院一区二区三区| 亚洲精品中文一区不卡| 久久精品成人一区二区三区| 深夜做爰性大片中文| 亚州视频一区二区| 精品国产一区二区三区国产馆| 国产网站免费视频| 成人免费高清视频| 九九精品影院| 九九久久99| 国产视频网站在线观看| 欧美国产日韩在线| 一本高清在线| 日韩专区一区| 九九热精品免费观看| 91麻豆tv| 人人干人人插| 香蕉视频一级| 国产网站免费视频| 韩国毛片| 999精品影视在线观看| 日本在线www| 欧美电影免费看大全| 一级女性大黄生活片免费| 国产精品12| 日韩中文字幕在线播放| 久久精品店| 亚洲天堂在线播放| 青青久久精品国产免费看| 国产一区二区福利久久| 韩国毛片免费大片| 国产一区二区精品尤物| 欧美大片aaaa一级毛片| 黄视频网站在线观看| 日韩在线观看网站| 国产视频在线免费观看| 亚洲女初尝黑人巨高清在线观看| 日韩字幕在线| 九九精品影院| 色综合久久天天综合观看| 久久精品店| 国产成人精品综合在线| 国产网站麻豆精品视频| 成人a级高清视频在线观看| 色综合久久天天综合| 午夜欧美福利| 色综合久久天天综合绕观看| 国产成a人片在线观看视频| 国产一区二区精品| 尤物视频网站在线| 一级片片| 久久99爰这里有精品国产| 欧美爱爱动态| 香蕉视频一级| 免费一级生活片| 韩国三级视频在线观看| 精品视频在线看| 一级毛片看真人在线视频| 色综合久久天天综线观看| 国产成人欧美一区二区三区的| 黄视频网站在线免费观看| 国产欧美精品午夜在线播放| 国产极品白嫩美女在线观看看| 成人影院一区二区三区| 日本免费乱理伦片在线观看2018| 韩国三级视频在线观看| 精品国产一区二区三区国产馆| a级精品九九九大片免费看| 韩国三级视频网站| 精品久久久久久中文| 欧美另类videosbestsex视频 | 可以在线看黄的网站| 99久久网站| 天天做人人爱夜夜爽2020| 日本特黄特黄aaaaa大片| 色综合久久天天综合绕观看| 亚洲女人国产香蕉久久精品| 午夜精品国产自在现线拍| 二级片在线观看| 色综合久久天天综合观看| 久久国产精品自由自在| 黄色短视屏| 97视频免费在线观看| 精品国产一级毛片| 毛片高清| 美国一区二区三区| 久久99中文字幕久久| 欧美电影免费看大全| 999久久久免费精品国产牛牛| 久久久久久久网| 免费一级片网站| 91麻豆精品国产自产在线 | 免费一级片在线| 精品视频在线看 | 成人影院一区二区三区| 国产美女在线观看| 免费国产在线观看| 成人免费福利片在线观看| 欧美激情一区二区三区在线| 久草免费在线观看| 青青久久国产成人免费网站| 日韩女人做爰大片| 久久99中文字幕久久| 久久久久久久男人的天堂| 青青久久精品| 国产极品精频在线观看| 日韩欧美一二三区| 欧美大片a一级毛片视频| 天天色色网| 国产美女在线一区二区三区| 久久国产精品自线拍免费| 国产美女在线一区二区三区| 欧美爱色| a级精品九九九大片免费看| 国产视频一区二区三区四区| 国产网站麻豆精品视频| 国产麻豆精品免费视频|