1.前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以点击下方链接自行获取

Python免费学习资料、代码以及交流解答点击即可加入

作为爬虫一员，掌握一门爬虫框架是必备技能，因此作为一名小白的你，我想向你推荐『Scrapy』。

具体『Scrapy』是什么，作用这些就不啰嗦（都是废话，百度有Scrapy简介），时间宝贵，就直接上干货（实战案例带你体验scrapy的使用）。

下面会以『B站』为目标进行实战！

2.Scrapy入门实战

1.环境准备

安装scrapy


pip install scrapy

通过上面这个命令即可直接安装好scrapy库

2.建立scrapy项目


scrapy startproject Bili

通过上面这个命令可以建立一个项目名称：Bili 的爬虫项目。

这里就可以在桌面建立了一个名字为：Bili 的爬虫项目

项目结构

Bili├── Bili│   ├── __init__.py│   ├── items.py│   ├── middlewares.py│   ├── pipelines.py│   ├── __pycache__│   ├── settings.py│   └── spiders│       ├── __init__.py│       └── __pycache__└── scrapy.cfg

各个文件作用

scrapy.cfg：项目的总配置文件，通常无须修改。
Bili：项目的 Python 模块，程序将从此处导入 Python 代码。
Bili/items.py：用于定义项目用到的 Item 类。Item 类就是一个 DTO（数据传输对象），通常就是定义 N 个属性，该类需要由开发者来定义。
Bili/pipelines.py：项目的管道文件，它负责处理爬取到的信息。该文件需要由开发者编写。
Bili/settings.py：项目的配置文件，在该文件中进行项目相关配置。
Bili/spiders：在该目录下存放项目所需的蜘蛛，蜘蛛负责抓取项目感兴趣的信息。

3.明确爬取内容


https://search.bilibili.com/all?keyword=%E8%AF%BE%E7%A8%8B&page=2

以上面链接为例（B站），爬取视频的标题（title）和链接（url）

4.定义项目中每一个类

Items类


import scrapyclass BiliItem(scrapy.Item):# define the fields for your item here like:# name = scrapy.Field()#pass# 视频标题title = scrapy.Field()# 链接url = scrapy.Field()

爬取字段是视频的标题（title）和链接（url），所以对于了title和url两个变量

定义spider类

spider类作用是自定义网页解析规则（新建scrapy项目是没有的，需要自己新建）。

Scrapy 为创建 Spider 提供了 scrapy genspider 命令，该命令的语法格式如下：

scrapy genspider [options] <name> <domain>

在命令行窗口中进入 Bili 目录下，然后执行如下命令即可创建一个 Spider：


scrapy genspider lyc "bilibili.com"

运行上面命令，即可在 Bili 项目的 Bili /spider 目录下找到一个 lyc.py 文件
编辑lyc.py


import scrapy
from Bili.items import BiliItemclass LycSpider(scrapy.Spider):name = 'lyc'allowed_domains = ['bilibili.com']start_urls = ['https://search.bilibili.com/all?keyword=课程&page=2']# 爬取的方法def parse(self, response):item = BiliItem()# 匹配for jobs_primary in response.xpath('//*[@id="all-list"]/div[1]/ul/li'):item['title'] = jobs_primary.xpath('./a/@title').extract()item['url'] = jobs_primary.xpath('./a/@href').extract()# 不能使用returnyield item# pass

修改pipeline类

这个类是对爬取的文件最后的处理,一般为负责将所爬取的数据写入文件或数据库中.。
这里我们将它输出到控制台.


from itemadapter import ItemAdapterclass BiliPipeline:def process_item(self, item, spider):print("title:", item['title'])print("url:", item['url'])

修改settings类


BOT_NAME = 'Bili'SPIDER_MODULES = ['Bili.spiders']
NEWSPIDER_MODULE = 'Bili.spiders'# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'Bili (+http://www.yourdomain.com)'# Obey robots.txt rules
ROBOTSTXT_OBEY = True
# 配置默认的请求头
DEFAULT_REQUEST_HEADERS = {"User-Agent" : "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0",'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'
}
# Configure item pipelines
# See https://docs.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {'Bili.pipelines.BiliPipeline': 300,
}

一个 Scarpy项目的简单架构就完成了我们可以运行一下试试.

启动项目


scrapy crawl lyc

但只有一页的内容 , 我们可以解析下一页 .
将以下代码加到 lyc.py


import scrapy
from Bili.items import BiliItemclass LycSpider(scrapy.Spider):name = 'lyc'allowed_domains = ['bilibili.com']start_urls = ['https://search.bilibili.com/all?keyword=课程&page=2']# 爬取的方法def parse(self, response):item = BiliItem()# 匹配for jobs_primary in response.xpath('//*[@id="all-list"]/div[1]/ul/li'):item['title'] = jobs_primary.xpath('./a/@title').extract()item['url'] = jobs_primary.xpath('./a/@href').extract()# 不能使用returnyield item# 获取当前页的链接url = response.request.url# page +1new_link = url[0:-1]+str(int(url[-1])+1)# 再次发送请求获取下一页数据yield scrapy.Request(new_link, callback=self.parse)

下一页爬取

再次执行 , 就会一页一页的爬取 .

3.总结

1、通过实战案例『B站』，手把手实现scrapy项目的创建，解析网页，最后成功爬取数据并打印（保存）
2、适合小白入门scrapy，欢迎收藏，分析，学习

以『B站』为实战案例！手把手教你掌握爬虫必备框架『Scrapy』相关推荐

python流程控制-实战案例手把手教你Python流程控制技巧
原标题:实战案例手把手教你Python流程控制技巧作者:PianoOrRock 来源: http://blog.csdn.net/pianoorrock/article/details/711315 ...
以某乎为实战案例，教你用Python爬取手机App数据
1 前言最近爬取的数据都是网页端,今天来教大家如何爬取手机端app数据(本文以ios苹果手机为例,其实安卓跟ios差不多)! 本文将以『某乎』为实战案例,手把手教你从配置到代码一步一步的爬取App数 ...
以『公众号』为例，手把手教你爬取PC端数据
之前教过大家如何爬取手机APP数据[以某乎为实战案例,教你用Python爬取手机App数据] 思路:主要是通过手机设置代理,然后在pc端开启抓包工具获取数据包,然后在编写python代码(get方式) ...
手把手教你爬取PC端『某酷视频』个人历史播放数据，并可视化展示
大家好,我是阿辰,今天手把手教你爬取PC端『某酷视频』个人历史播放数据,并可视化展示上次有粉丝说,那个是ios手机,安卓手机现在需要root权限才可以安装证书,那么今天就不以手机为例,以电脑PC端为 ...
小白都能看懂的实战教程手把手教你Python Web全栈开发(DAY 3)
小白都能看懂的实战教程手把手教你Python Web全栈开发 Flask(Python Web)实战系列之在线论坛系统第三讲这是小白都能看懂的实战教程手把手教你Python Web全栈开发的 ...
小白都能看懂的实战教程手把手教你Python Web全栈开发(DAY 1)
小白都能看懂的实战教程手把手教你Python Web全栈开发 Flask(Python Web)实战系列之在线论坛系统第一讲博主博客文章内容导航(实时更新) 更多优质文章推荐: 收藏!最详细的P ...
python android自动化元素定位_linux下Appium+Python移动应用自动化测试实战---3.手把手教你定位元素编写测试用例...
linux下Appium+Python移动应用自动化测试实战-3.手把手教你定位元素编写测试用例前言有很多童鞋环境搭建好了却没有进行下一步,是因为缺少step by step的资料. 互联网上ap ...
YoloV5实战：手把手教物体检测
摘要:YOLOv5并不是一个单独的模型,而是一个模型家族,包括了YOLOv5s.YOLOv5m.YOLO... 本文分享自华为云社区<YoloV5实战:手把手教物体检测--YoloV5> ...
你知道豆瓣电影是怎么评分的吗？（实战篇—手把手教你分析豆瓣电影）
点赞再看,养成好习惯 Python版本3.8.0,开发工具:Pycharm 写在前面的话: 如果你是因为看到标题进来的,那恭喜你,又多了一个涨(入)知(坑)识的机会. 在这篇豆瓣电影Top250的分析 ...

以『B站』为实战案例！手把手教你掌握爬虫必备框架『Scrapy』