婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av

主頁 > 知識庫 > python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析

python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析

熱門標簽:高德地圖標注字母 千呼ai電話機器人免費 鎮江人工外呼系統供應商 400電話辦理費用收費 申請辦個400電話號碼 騰訊地圖標注有什么版本 柳州正規電銷機器人收費 外呼系統前面有錄音播放嗎 深圳網絡外呼系統代理商

一、CrawlSpider類介紹

1.1 引入

使用scrapy框架進行全站數據爬取可以基于Spider類,也可以使用接下來用到的CrawlSpider類。基于Spider類的全站數據爬取之前舉過栗子,感興趣的可以康康

scrapy基于CrawlSpider類的全站數據爬取

1.2 介紹和使用

1.2.1 介紹

CrawlSpider是Spider的一個子類,因此CrawlSpider除了繼承Spider的特性和功能外,還有自己特有的功能,主要用到的是 LinkExtractor()rules = (Rule(LinkExtractor(allow=r'Items/'), callback='parse_item', follow=True),)

LinkExtractor()鏈接提取器
LinkExtractor()接受response對象,并根據allow對應的正則表達式提取響應對象中的鏈接

link = LinkExtractor(
# Items只能是一個正則表達式,會提取當前頁面中滿足該"正則表達式"的url	
  allow=r'Items/'
)

rules = (Rule(link, callback='parse_item', follow=True),)規則解析器
按照指定規則從鏈接提取器中提取到的鏈接中解析網頁數據
link:是一個LinkExtractor()對象,指定鏈接提取器
callback:回調函數,指定規則解析器(解析方法)解析數據
follow:是否將鏈接提取器繼續作用到鏈接提取器提取出的鏈接網頁

import scrapy
# 導入相關的包
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule

class TextSpider(CrawlSpider):
 name = 'text'
 allowed_domains = ['www.xxx.com']
 start_urls = ['http://www.xxx.com/']

# 鏈接提取器,從接受到的response對象中,根據item正則表達式提取頁面中的鏈接
	link = LinkExtractor(allow=r'Items/')
	link2 = LinkExtractor(allow=r'Items/')
# 規則解析器,根據callback將鏈接提取器提取到的鏈接進行數據解析
# follow為true,則表示將鏈接提取器繼續作用到鏈接提取器所提取到的鏈接頁面中
# 故:在我們提取多頁數據時,若第一頁對應的網頁中包含了第2,3,4,5頁的鏈接,
# 當跳轉到第5頁時,第5頁又包含了第6,7,8,9頁的鏈接,
# 令follow=True,就可以持續作用,從而提取到所有頁面的鏈接
 rules = (Rule(link, callback='parse_item', follow=True),
 		Rule(link2,callback='parse_content',follow=False))
 # 鏈接提取器link使用parse_item解析數據
	def parse_item(self, response):
 item = {}
 
 yield item
 # 鏈接提取器link2使用parse_content解析數據
	def parse_content(self, response):
		item = {}
		
		yield item

1.2.2 使用

創建爬蟲文件:除了創建爬蟲文件不同外,創建項目和運行爬蟲使用的命令和基于Spider類使用的命令相同

scrapy genspider crawl -t spiderName www.xxx.com 

二、案例:古詩文網全站數據爬取

爬取古詩文網首頁古詩的標題,以及每一首詩詳情頁古詩的標題和內容。
最后將從詳情頁提取到的古詩標題和內容進行持久化存儲

2.1 爬蟲文件

import scrapy
from scrapy.linkextractors import LinkExtractor

from scrapy.spiders import CrawlSpider, Rule
from gushiPro.items import GushiproItem,ContentItem

class GushiSpider(CrawlSpider):
 name = 'gushi'
 #allowed_domains = ['www.xxx.com']
 start_urls = ['https://www.gushiwen.org/']

 # 鏈接提取器:只能使用正則表達式,提取當前頁面的滿足allow條件的鏈接
 link = LinkExtractor(allow=r'/default_\d+\.aspx')

 # 鏈接提取器,提取所有標題對應的詳情頁url
 content_link = LinkExtractor(allow=r'cn/shiwenv_\w+\.aspx')
 rules = (
 # 規則解析器,需要解析所有的頁面,所有follow=True
 Rule(link, callback='parse_item', follow=True),

 # 不需要寫follow,因為我們只需要解析詳情頁中的數據,而不是詳情頁中的url
 Rule(content_link, callback='content_item'),
 )

 # 解析當前頁面的標題
 def parse_item(self, response):
 p_list = response.xpath('//div[@class="sons"]/div[1]/p[1]')

 for p in p_list:
 title = p.xpath('./a//text()').extract_first()
 item = GushiproItem()
 item['title'] = title
 yield item
 
 # 解析詳情頁面的標題和內容
 def content_item(self,response):
 # //div[@id="sonsyuanwen"]/div[@class="cont"]/div[@class="contson"]
 # 解析詳情頁面的內容
 content = response.xpath('//div[@id="sonsyuanwen"]/div[@class="cont"]/div[@class="contson"]//text()').extract()
 content = "".join(content)
 # # 解析詳情頁面的標題
 title = response.xpath('//div[@id="sonsyuanwen"]/div[@class="cont"]/h1/text()').extract_first()
 # print("title:"+title+"\ncontent:"+content)
 item = ContentItem()
 item["content"] = content
 item["title"] = title
 # 將itme對象傳給管道
 yield item

2.2 item文件

import scrapy

# 不同的item類是獨立的,他們可以創建不同的item對象
class GushiproItem(scrapy.Item):
 # define the fields for your item here like:
 # name = scrapy.Field()
 title = scrapy.Field()

class ContentItem(scrapy.Item):
 title = scrapy.Field()
 content = scrapy.Field()

2.3 管道文件

from itemadapter import ItemAdapter

class GushiproPipeline:
 def __init__(self):
 self.fp = None

 def open_spider(self,spider):
 self.fp = open("gushi.txt",'w',encoding='utf-8')
 print("開始爬蟲")

 def process_item(self, item, spider):
 # 從詳情頁獲取標題和內容,所以需要判斷爬蟲文件中傳來的item是什么類的item
 # item.__class__.__name__判斷屬于什么類型的item
 if item.__class__.__name__ == "ContentItem":
 content = "《"+item['title']+"》",item['content']
 content = "".join(content) 
 print(content)
 self.fp.write(content)
 return item

 def close_spider(self,spider):
 self.fp.close()
 print("結束爬蟲")

2.4 配置文件

2.5 輸出結果

到此這篇關于python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析的文章就介紹到這了,更多相關python爬蟲scrapy數據爬取內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • python scrapy項目下spiders內多個爬蟲同時運行的實現
  • Python爬蟲Scrapy框架CrawlSpider原理及使用案例
  • Python Scrapy框架:通用爬蟲之CrawlSpider用法簡單示例
  • Python爬蟲框架之Scrapy中Spider的用法

標簽:合肥 郴州 大慶 哈爾濱 海南 平頂山 烏蘭察布 烏蘭察布

巨人網絡通訊聲明:本文標題《python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析》,本文關鍵詞  python,爬蟲,scrapy,基于,CrawlSpider,;如發現本文內容存在版權問題,煩請提供相關信息告之我們,我們將及時溝通與處理。本站內容系統采集于網絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析》相關的同類信息!
  • 本頁收集關于python爬蟲scrapy基于CrawlSpider類的全站數據爬取示例解析的相關信息資訊供網民參考!
  • 推薦文章
    婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av
    亚洲综合成人在线视频| 日韩一级在线观看| 成人黄色综合网站| 成人美女视频在线观看18| 国产麻豆91精品| www.欧美亚洲| 日本韩国一区二区三区视频| 欧美在线制服丝袜| 91精品国产综合久久婷婷香蕉| 欧美日韩一区久久| 精品国产一二三区| 日本一区二区免费在线| 亚洲欧美日韩国产成人精品影院| 一区二区在线观看视频| 婷婷综合在线观看| 国产一区二区三区日韩| www.亚洲人| 欧美精品 国产精品| 精品国产乱码久久| 中文字幕亚洲区| 婷婷久久综合九色综合伊人色| 日本中文字幕一区二区视频| 国产一区二区三区美女| 色女孩综合影院| 日韩免费一区二区三区在线播放| 中文字幕久久午夜不卡| 亚洲成人精品一区| 丁香一区二区三区| 欧美精品丝袜中出| 国产亚洲精品久| 一区二区三区久久| 国产精品一品视频| 欧美精品在线观看一区二区| 国产午夜亚洲精品不卡| 亚洲国产成人av好男人在线观看| 国产一区二三区| 在线影视一区二区三区| 国产无遮挡一区二区三区毛片日本| 亚洲免费观看高清在线观看| 国产一区二区精品久久99| 色菇凉天天综合网| 中文在线免费一区三区高中清不卡| 亚洲成av人**亚洲成av**| 高清av一区二区| 欧美一卡2卡3卡4卡| 亚洲三级电影网站| 成人亚洲一区二区一| 欧美大尺度电影在线| 亚洲高清在线精品| 色欧美片视频在线观看| 中文字幕av不卡| 国产高清久久久| 精品欧美一区二区在线观看 | 美女久久久精品| 欧美性生活影院| 亚洲美女少妇撒尿| 99r精品视频| 国产精品久久久99| 成人性色生活片免费看爆迷你毛片| 日韩欧美亚洲国产精品字幕久久久| 亚洲国产精品麻豆| 欧美日韩久久不卡| 亚洲第一综合色| 欧美日韩另类国产亚洲欧美一级| 亚洲乱码国产乱码精品精可以看| 大尺度一区二区| 国产精品对白交换视频| av不卡一区二区三区| 国产精品久久久久久久久免费相片| 国产精品一区三区| 欧美激情综合五月色丁香小说| 国产精品一品二品| 亚洲国产成人午夜在线一区| 成人免费毛片嘿嘿连载视频| 欧美国产日产图区| 99r国产精品| 亚洲国产成人精品视频| 91超碰这里只有精品国产| 日本中文在线一区| 久久综合久久99| 不卡免费追剧大全电视剧网站| 中文字幕一区二| 欧美视频第二页| 麻豆视频观看网址久久| 国产亚洲精品中文字幕| 成人激情av网| 亚洲 欧美综合在线网络| 91精品欧美综合在线观看最新| 久久99精品国产麻豆不卡| 国产欧美日韩精品a在线观看| 福利电影一区二区三区| 亚洲国产美女搞黄色| 日韩精品一区在线| av电影天堂一区二区在线观看| 一二三四区精品视频| 日韩网站在线看片你懂的| 成人中文字幕合集| 婷婷国产v国产偷v亚洲高清| 久久在线观看免费| 欧美亚洲图片小说| 国产精品综合二区| 性做久久久久久免费观看| 久久亚区不卡日本| 欧美三级韩国三级日本三斤| 国产一区三区三区| 亚洲国产欧美日韩另类综合| 国产欧美日韩三区| 51精品视频一区二区三区| 顶级嫩模精品视频在线看| 亚洲v中文字幕| 中文字幕亚洲区| 久久综合av免费| 欧美老年两性高潮| 色综合一个色综合亚洲| 波多野结衣中文一区| 日韩成人dvd| 洋洋av久久久久久久一区| 国产亚洲一区二区三区| 欧美一区日韩一区| 91伊人久久大香线蕉| 国产一区二区三区精品欧美日韩一区二区三区 | 日本韩国精品一区二区在线观看| 免费不卡在线视频| 亚洲午夜电影在线| 亚洲色图色小说| 国产精品不卡一区| 国产情人综合久久777777| 精品国产自在久精品国产| 69堂国产成人免费视频| 日本韩国精品在线| 色88888久久久久久影院野外| 国产99久久久精品| 国产老妇另类xxxxx| 精品一区二区免费在线观看| 午夜在线成人av| 亚洲成a人片综合在线| 亚洲视频香蕉人妖| 亚洲婷婷国产精品电影人久久| 国产欧美日韩在线看| 久久先锋资源网| 久久一区二区三区国产精品| 日韩欧美中文字幕一区| 欧美一二三在线| 日韩三级中文字幕| 26uuu欧美日本| 精品久久国产老人久久综合| 日韩欧美国产一区二区在线播放| 欧美一级在线观看| 欧美精品一区二区三区蜜桃| 欧美成人午夜电影| 欧美精品一区二区三区很污很色的 | 精品国内片67194| 精品福利av导航| 日本一区二区三区高清不卡 | 欧美最新大片在线看| 91福利视频网站| 欧美日韩小视频| 欧美大片一区二区| 国产女同性恋一区二区| 国产精品久久一级| 亚洲第一在线综合网站| 日韩国产一区二| 国产精一区二区三区| 99精品久久只有精品| 欧美日韩一区小说| 欧美成人欧美edvon| 中文字幕中文在线不卡住| 一区二区久久久久| 另类调教123区| www.66久久| 欧美一区二区三区影视| 国产亚洲婷婷免费| 夜夜嗨av一区二区三区中文字幕 | 久久久久久一二三区| 中文字幕字幕中文在线中不卡视频| 亚洲主播在线观看| 国产一区二区三区在线看麻豆| 成人动漫av在线| 欧美剧情片在线观看| 中文字幕乱码一区二区免费| 午夜视频在线观看一区二区三区| 国产又黄又大久久| 精品1区2区3区| 国产精品女人毛片| 久久精品国产秦先生| 91福利在线观看| 久久综合九色综合97婷婷| 亚洲精品一二三区| 国产91精品久久久久久久网曝门| 欧美午夜在线一二页| 国产精品久久毛片a| 乱中年女人伦av一区二区| 色诱视频网站一区| 国产免费成人在线视频| 青青草国产精品亚洲专区无| 91蜜桃网址入口| 欧美激情综合五月色丁香小说| 日本欧美肥老太交大片| 欧美体内she精视频| 中文字幕一区二区视频|