使用Scrapy采集

1、有些站点通过robot协议，防止scrapy爬取，就会出现如下问题：

 DEBUG: Forbidden by robots.txt: <GET http://baike.baidu.com/lishi/>

解决方案：settings.py 文件中：ROBOTSTXT_OBEY = False（默认为true）

2、shell中执行爬虫会看到很多乱七八糟的日志输入

3、爬虫执行日志输出到指定文件中

scrapy crawl article -s LOG_FILE=wiki.log

4、爬去结果保存为指定格式

$ scrapy crawl article -o articles.csv -t csv
$ scrapy crawl article -o articles.json -t json
$ scrapy crawl article -o articles.xml -t xml