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:anaconda3libsite-packagesscrapy emplatesproject', 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
&tpl=mn&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>©2017 Baidu <a href=http://www.baidu.c
om/duty/>使用百度前必读</a> <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a> 京ICP证030173号 <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。