scrapy基础操作教程(实例)
scrapy教程
我通过一个爬取百度贴吧hello吧页面源码的简单爬虫来讲解
Scrapy架构(5+2结构)
Scrapy Engine(引擎):负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯,信号、数据传递等。
Scheduler(调度器):它负责接受引擎发送过来的Request请求,并按照一定的方式进行整理排列,入队,当引擎需要时,交还给引擎。
Downloader(下载器):负责下载Scrapy Engine(引擎)发送的所有Requests请求,并将其获取到的Responses交还给Scrapy Engine(引擎),由引擎交给Spider来处理。
Spider(爬虫):它负责处理所有Responses,从中分析提取数据,获取Item字段需要的数据,并将需要跟进的URL提交给引擎,再次进入Scheduler(调度器)。
Item Pipeline(管道):它负责处理Spider中获取到的Item,并进行进行后期处理(详细分析、过滤、存储等)的地方。
Downloader Middlewares(下载中间件):一个可以自定义扩展下载功能的组件。
Spider Middlewares(Spider中间件):一个可以自定扩展和操作引擎和Spider中间通信的功能组件。
一、安装scrapy
1.通过pip安装
pip install scrapy
二、创建工程
Scrapy 常用命令
步骤1:
自己指定一个目录下创建一个新工程,输入命令行
比如在E盘根目录下创建
在根目录下Shift+右键,打开PS窗口
输入命令行
scrapy startproject hello
当出现下面反应证明成功建立工程(我建立了一个hello工程)
步骤2:(该步骤也可以手工完成,这里就不说了)
在工程中产生一个scrapy爬虫
首先进入工程目录,继续输入命令行
cd hello
然后在执行如下命令(生成一个名称为baidutieba的spider):
scrapy genspider baidutieba baidu.com
生成的baidutieba.py文件在hello文件里的spiders目录下
三、爬取百度hello吧页面源码实例编写
打开baidutieba.py文件进行编写爬取代码:
改写成如下代码
然后保存。
最后 再用PS窗口命令行输入
scrapy crawl baidutieba
即如下图所示:
回车运行,最后会在hello目录下生成一个hello.txt的文件,里面就是百度贴吧hello吧页面的网页源码。
到此本次scrapy基础操作教程结束了
上一篇文章———>高响应比优先调度算法(HRRN)例题详解
下一篇文章———>正则表达式详解
scrapy基础操作教程(实例)相关推荐
- 新编计算机基础教程 pdf,新编计算机基础操作教程.pdf
高等院校计算机基础教育教材 (第2 版) 本书编委会 编 [内容提要]本书是为计算机基础教学和计算机培训编写的基础教材.特点是基于Windows 98/2000/XP 环境,强调其实用性.先进性和可操 ...
- Mac基础操作教程:Mac电脑如何在录屏时录入声音?
我们经常因为工作需要而对Mac电脑进行录屏操作,但有些新手用户录屏后发现,屏幕里没有声音,这是因为你没有打开麦克风,下面分享Mac电脑在录屏时录入声音教程. 1.点击"启动台", ...
- 无人机新手基础操作教程
无人机行业的快速发展使得航拍逐渐流行起来. 据本人了解无人机可以生产一些GIS数据. 1. 起飞与降落练习 远离无人机,解锁飞控,缓慢推动油门等待无人机起飞,这就是起飞的操作步骤.其中推动油门 一定 ...
- keyshot怎么贴logo_KeyShot基础操作教程,如何复制和粘贴以及编辑材质
KeyShot基础操作教程,如何复制和粘贴以及编辑材质 KeyShot是一款非常好用的产品渲染软件,为什么它能够产生相片般真实的3D渲染影像,这是跟它本身的软件工具以及丰富的材质库支撑有关的,你想用那 ...
- gis导出栅格数据为什么不能tif_GIS基础操作教程(3)--点数据操作【附带练习数据】...
又到了专栏更新的时候了,接下来的几期专栏我会系统性的讲一讲GIS的基础操作.在几个月前专栏里我分享过栅格数据的平移.裁剪.镶嵌(需要的同学可以点进专栏看一看),FLOW MAP的专题制作.这期文章我想 ...
- RE管理器root explorer基础操作教程
玩手机中很多操作需要用到RE管理器,还是有很多人不知道RE管理器的一些常见操作,虽然百度到几篇帖子,但是阅读起来着实费力,所以我就自己写一篇. 注意: 1,RE管理器在手机上的运行和使用需要roo ...
- 小米RE管理器root explorer基础操作教程(转载)
转自:http://android.tgbus.com/xiaomi/wanji/428374.shtml RE管理器(Root Explorer)是Android平台上功能最强大的文件管理器之一,但 ...
- PhpSpreadsheet中文文档 | Spreadsheet操作教程实例
Spreadsheet 支持excel 函数 公式使用 <?phpnamespace app# 给类文件的命名空间起个别名use PhpOffice\PhpSpreadsheet\Spreads ...
- php iofactory列,PhpSpreadsheet中文文档 | Spreadsheet操作教程实例
Spreadsheet 支持excel 函数 公式使用 namespace app # 给类文件的命名空间起个别名 use PhpOffice\PhpSpreadsheet\Spreadsheet; ...
最新文章
- android用于查询数据的方法,android: SQLite查询数据
- java 线程休眠_百战程序员:java线程的休眠和回复
- springcloud----负载均衡--Ribbon与LoadBalance
- rest模式get,post,put,delete简单讲解
- Linux Shell之一 Shell简介
- 详解优先级队列priority_queue(应用+模拟实现)
- [故障解决]Mysql爆出ERROR 1044 (42000)的错误怎么办?
- 链表和顺序表的一些区别
- ubuntu安装c/c++编译环境
- 阿里 20 年,逍遥子宣告「全面迈入数字经济时代」
- 本文讲述chmod +x或chmod 755或chmod -r几个流行命令的含义与使用方法
- 同属开源Linux 移动市场MeeGo独到之秘
- USB接口,MicroUSB接口
- vue出现client:172 [WDS] Disconnected!
- CV各技术论坛及QQ群
- 什么专业要学计算机思维导论,大学计算机:计算思维导论CAP
- 好用的SQL工具盘点:从学习到工作总有一款适合你
- Js判断ie浏览器版本
- 不能管家的AI机器狗不是好宠物?
- 嵌入式linux开发笔记: gcc选项