一、初窥scrapy

scrapy中文文档:

http://scrapy-chs.readthedocs.io/zh_CN/latest/

Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。其最初是为了 页面抓取 (更确切来说, 网络抓取 )所设计的， 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。

scrapy是一个很好的爬虫框架，集爬取、处理、存储为一体，为无数爬虫爱好者所热捧，但个人认为对初学者并不友好，建议初学者打好基础再来看scrapy。

二、昨夜西风凋碧树，独上高楼，望尽天涯路(安装库)

本以为自己安装Python库已经有一定的理解和方法了，结果还是栽在了安装scrapy库上，本人是win7系统+Python3.5的环境。先给大家丢个安装Python库的网站:

http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml

1 lxml库的安装 通过网站下载安装(具体安装方法见后面视频)

2 zope.interface库安装 pip3 install zope.interface

3 twisted库安装 通过网站下载安装

4 pyOpenSSL库安装 pip3 install pyOpenSSL

5 pywin32库安装 通过网站下载安装

6 pip3 install scrapy

你以为这样就结束了，天真，我在运行程序的时候说没有pywin32的DLL，当时我一脸懵逼，用黑窗口导入pywin32结果报错，还好在好友的帮助下解决了。

错误图

解决方法1

解决方法2

把图三的文件拷贝到C:WindowsSystem32

三、衣带渐宽终不悔，为伊消得人憔悴(各种出错)

创建scrapy项目：

scrapy startproject xiaozhu #今天还是爬取小猪短租数据

scrapy项目文件结构：

xiaozhu/

scrapy.cfg #配置文件

xiaozhu/

__init__.py

items.py #定义需要抓取并需要后期处理的数据

pipelines.py #用于后期数据处理的功能

settings.py #文件配置scrapy

spiders/

__init__.py

...

1 错误一

错误图

出错原因

解决方案代码见下

2 错误二

无法导出为csv，看了向右奔跑的导出csv代码，在我本地电脑无法导出

然来去scrapy文档看了下，对settings.py进行了修改如下：

FEED_URI = 'file:C://Users/Administrator/Desktop/xiaozhu.csv'

FEED_FORMAT = 'csv' #csv小写

四、纵里寻他千百度，蓦然回首，那人却在灯火阑珊处(代码运行成功)

1 items.py代码

from scrapy.item import Item,Field

class XiaozhuItem(Item):

address = Field()

price = Field()

lease_type = Field()

bed_amount = Field()

suggestion = Field()

comment_star = Field()

comment_amount = Field()

2 新建xiaozhuspider.py

import scrapy

import sys

sys.path.append('..') #解决问题1

from scrapy.spiders import CrawlSpider

from scrapy.selector import Selector

from scrapy.http import Request

from xiaozhu.items import XiaozhuItem

class xiaozhu(CrawlSpider):

name = 'xiaozhu'

start_urls = ['http://bj.xiaozhu.com/search-duanzufang-p1-0/']

def parse(self, response):

item = XiaozhuItem()

selector = Selector(response)

commoditys = selector.xpath('//ul[@class='pic_list clearfix']/li')

for commodity in commoditys:

address = commodity.xpath('div[2]/div/a/span/text()').extract()[0]

price = commodity.xpath('div[2]/span[1]/i/text()').extract()[0]

lease_type = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[0].strip()

bed_amount = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[1].strip()

suggestion = commodity.xpath('div[2]/div/em/text()').extract()[0].split('/')[2].strip()

infos = commodity.xpath('div[2]/div/em/span/text()').extract()[0].strip()

comment_star = infos.split('/')[0] if '/' in infos else '无'

comment_amount = infos.split('/')[1] if '/' in infos else infos

item['address'] = address

item['price'] = price

item['lease_type'] = lease_type

item['bed_amount'] = bed_amount

item['suggestion'] = suggestion

item['comment_star'] = comment_star

item['comment_amount'] = comment_amount

yield item

urls = ['http://bj.xiaozhu.com/search-duanzufang-p{}-0/'.format(str(i)) for i in range(1, 14)]

for url in urls:

yield Request(url, callback=self.parse)

3 新建main.py(运行main.py就可以运行爬虫了)

from scrapy import cmdline

cmdline.execute('scrapy crawl xiaozhu'.split())

结果

五、视频

没完全理解的同学可以观看视频讲解哦。

https://v.qq.com/x/page/t0356cp46sw.html