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:\anaconda3\lib\site-packages\scrapy\templates\project', 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

&amp;tpl=mn&amp;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>&copy;2017&nbsp;Baidu&nbsp;<a href=http://www.baidu.c

om/duty/>使用百度前必读</a>&nbsp; <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a>&nbsp;京ICP证030173号&nbsp; <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。

3.第一个scrapy项目的更多相关文章

亲测——pycharm下运行第一个scrapy项目 ©seven_clear
最近在学习scrapy,就想着用pycharm调试,但不知道怎么弄,从网上搜了很多方法,这里总结一个我试成功了的. 首先当然是安装scrapy,安装教程什么的网上一大堆,这里推荐一个详细的:http: ...
scrapy（一）建立一个scrapy项目
本项目实现了获取stack overflow的问题,语言使用python,框架scrapy框架,选取mongoDB作为持久化数据库,redis做为数据缓存项目源码可以参考我的github:https ...
【Python3爬虫】第一个Scrapy项目
Python版本:3.5 IDE:Pycharm 今天跟着网上的教程做了第一个Scrapy项目,遇到了很多问题,花了很多时间终于解决了== 一.Scrapy终端(scrapy shell) Sc ...
创建第一个Scrapy项目
d:进入D盘 scrapy startproject tutorial建立一个新的Scrapy项目工程的目录结构: tutorial/ scrapy.cfg # 部署配置文件 tutorial/ # ...
搭建第一个scrapy项目的常见问题
错误1:在执行 scrapy crawl spider名命令的时候出现了ImportError:DLL load failed: %1不是有效的win32程序错误这是因为pywin32的版本安装错 ...
新建一个scrapy项目
此次是做一个豆瓣的top250信息的抓取首先打开pycharm 在pycharm的下端的Terminal中输入scrapy startproject douban 此时系统就生成了以下文件(spid ...
Python Scrapy项目创建（基础普及篇）
在使用Scrapy开发爬虫时,通常需要创建一个Scrapy项目.通过如下命令即可创建 Scrapy 项目: scrapy startproject ZhipinSpider 在上面命令中,scrapy ...
Scrapy:学习笔记(2)——Scrapy项目
Scrapy:学习笔记(2)——Scrapy项目 1.创建项目创建一个Scrapy项目,并将其命名为“demo” scrapy startproject demo cd demo 稍等片刻后,Scr ...
创建一个scrapy爬虫框架的项目
第一步:打开pycharm,选择"terminal",如图所示: 第二步:在命令中端输入创建scrapy项目的命令:scrapy startproject demo (demo指的 ...

随机推荐

Java 8 新特性——检视阅读
Java 8 新特性--检视阅读参考 Java 8 新特性--菜鸟 Oracle 公司于 2014 年 3 月 18 日发布 Java 8 ,它支持函数式编程,新的 JavaScript 引擎,新的 ...
性能调优必备利器之 JMH
if 快还是 switch 快?HashMap 的初始化 size 要不要指定,指定之后性能可以提高多少?各种序列化方法哪个耗时更短? 无论出自何种原因需要进行性能评估,量化指标总是必要的. 在大部分 ...
09.Django-信号
目录 Django中的信号及其用法 Django中内置的signal 内置信号的使用自定义信号 Django中的信号及其用法 Django中提供了"信号调度",用于在框架执行操作 ...
如何使用PHP生成图片
/** * 从图片文件创建Image资源 * @param $file 图片文件,支持url * @return bool|resource 成功返回图片image资源,失败返回false */ fu ...
@Results用法总结
MyBatis中使用@Results注解来映射查询结果集到实体类属性. (1)@Results的基本用法.当数据库字段名与实体类对应的属性名不一致时,可以使用@Results映射来将其对应起来.col ...
安装allure测试报告
必须安装jdk1.8,配置环境变量一.环境准备 Windows10 jdk-9.0.1 二.下载并安装JDK 到Java的官网下载JDK安装包,地址:http://www.oracle.com/te ...
mysql常用基础指令大全
mysql指令启动 net start mysql 退出mysql quit 登录 mysql -uroot -p 逻辑非 not ! 逻辑与 and && 或者 or || 逻辑异 ...
Java 从入门到进阶之路（二十三）
在之前的文章我们介绍了一下 Java 中的集合框架中的Collection 的迭代器 Iterator,本章我们来看一下 Java 集合框架中的Collection 的泛型. 在讲泛型之前我们先来 ...
VM virtualBox中文版 v6.0.12.133076官方版(64/-虚拟机
virtualBox中文版 v6.0.12.133076官方版(64/-虚拟机 http://www.onlinedown.net/soft/82464.htm http://8dx.pc6.com/ ...
记录工作中遇到的BUG，经典的数据库时区问题和字段类型tinyint(1)问题
记录工作中发现的相对而言经典的问题 [数据库时区问题] 我个人数据库配置为CST 如下我们测试环境的数据库配置为UTC 如下倘若我修改了测试环境数据库时区为CST.由此造成的问题是系统读取到数据 ...

3.第一个scrapy项目