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
    精品国产乱码久久久久久浪潮| 紧缚奴在线一区二区三区| av在线综合网| 成人免费av资源| 欧美一级在线观看| 水蜜桃久久夜色精品一区的特点| 日韩欧美黄色影院| 91免费视频网址| 欧洲一区在线观看| 亚洲欧美日韩中文字幕一区二区三区 | 一本大道av一区二区在线播放| 蜜臀va亚洲va欧美va天堂| 五月综合激情婷婷六月色窝| 色综合天天综合| 亚洲人成网站色在线观看| 欧美色综合久久| 国产人妖乱国产精品人妖| 91视频www| 欧美激情综合在线| 视频一区二区不卡| 91亚洲精品久久久蜜桃| 一区二区三区免费| 亚洲电影在线播放| 欧美美女喷水视频| 蜜臀av性久久久久蜜臀av麻豆| 欧美成人vr18sexvr| 欧美视频一区在线观看| 国内精品伊人久久久久av影院| 国产成人亚洲精品青草天美| 一区二区三区欧美日韩| 一区二区三区波多野结衣在线观看| 欧美日韩在线播| 成人午夜私人影院| 一区二区三区免费观看| 欧美日本国产视频| 中文字幕日韩av资源站| 精品夜夜嗨av一区二区三区| 91精品福利在线一区二区三区| 精品午夜一区二区三区在线观看| 日韩电影在线观看电影| jizzjizzjizz欧美| 91黄视频在线观看| 精品国产乱码久久久久久浪潮| 国产视频一区不卡| 国产剧情一区在线| 精品国产1区二区| |精品福利一区二区三区| 亚洲国产日韩一级| 91最新地址在线播放| 成人激情校园春色| 成人av午夜影院| 国产成人aaa| 成人性视频免费网站| 高清在线观看日韩| 国产91高潮流白浆在线麻豆 | 中文av一区二区| 亚洲日本在线a| 国产一区二区精品久久91| 欧美日韩午夜影院| 久久精品日产第一区二区三区高清版| 亚洲超丰满肉感bbw| 91在线观看下载| 一区二区三区在线不卡| 视频一区视频二区中文| 国产日本欧洲亚洲| 日日摸夜夜添夜夜添国产精品| 国产永久精品大片wwwapp| 成人高清av在线| 日韩一级在线观看| 久久精品网站免费观看| 夜夜精品视频一区二区| 国产成人精品亚洲日本在线桃色| 欧美日韩一区久久| 亚洲国产中文字幕| 欧美综合欧美视频| 亚洲国产成人高清精品| 91 com成人网| 狠狠色狠狠色综合| av爱爱亚洲一区| 亚洲国产成人av好男人在线观看| 欧美老肥妇做.爰bbww| 亚洲一级不卡视频| 这里只有精品免费| 九色综合狠狠综合久久| 一区二区三区四区激情| 91精品国产综合久久精品| 喷水一区二区三区| 五月婷婷综合激情| 亚洲国产综合色| 国产日产欧美一区| 国产色产综合产在线视频| 欧美日韩免费在线视频| 成人av网站在线| 成人综合在线视频| 精彩视频一区二区| 欧美日韩激情在线| 日韩一区二区中文字幕| 久久亚洲综合av| 日韩和欧美一区二区三区| 亚洲精品高清在线观看| 亚洲免费观看高清| 亚洲在线观看免费视频| 亚洲大片精品永久免费| 日本vs亚洲vs韩国一区三区 | 一区二区三区四区高清精品免费观看| 日韩欧美一区电影| 在线观看国产日韩| 日韩欧美精品在线视频| 欧美高清视频不卡网| 日韩欧美国产一区二区三区 | 中文无字幕一区二区三区| 亚洲欧美在线观看| 日本三级亚洲精品| 成人avav在线| 91精品婷婷国产综合久久性色| 欧美成人精品二区三区99精品| 一本久久a久久免费精品不卡| 欧美日韩五月天| 国产馆精品极品| 99精品在线观看视频| 亚洲日本一区二区| 精品影院一区二区久久久| 免费观看久久久4p| 国产精品123区| 中文字幕综合网| 国内外成人在线视频| 韩国成人福利片在线播放| 久久久91精品国产一区二区精品| 天堂影院一区二区| 精品免费国产二区三区 | 91免费看视频| 亚洲高清免费一级二级三级| 色久综合一二码| 青青草国产成人av片免费| 久久老女人爱爱| 日韩午夜在线播放| 一区二区欧美在线观看| 欧美一区二区在线视频| 国产亚洲精品久| 9i在线看片成人免费| 亚洲成在线观看| 欧美成人a∨高清免费观看| 17c精品麻豆一区二区免费| 麻豆视频观看网址久久| 日韩欧美视频在线| 粉嫩蜜臀av国产精品网站| 一区二区三区欧美在线观看| 色婷婷综合在线| 久久99精品国产| 一区二区三区在线观看动漫| 欧美成人精精品一区二区频| 成人av在线电影| 色噜噜久久综合| 在线观看欧美黄色| 一区二区三区欧美视频| 99vv1com这只有精品| 性做久久久久久免费观看 | 久久尤物电影视频在线观看| 91在线视频官网| 裸体歌舞表演一区二区| 亚洲国产毛片aaaaa无费看| 日韩欧美精品在线| 高清不卡在线观看| 亚洲欧美视频在线观看视频| 欧美国产一区二区在线观看 | 91麻豆精品91久久久久同性| eeuss鲁片一区二区三区在线观看 eeuss鲁片一区二区三区在线看 | 成人av午夜电影| 久久er99热精品一区二区| 午夜日韩在线观看| 国产露脸91国语对白| 久久精品国产亚洲高清剧情介绍 | 亚洲 欧美综合在线网络| 亚洲国产日韩av| 一区二区三区高清在线| 一区二区三区国产精品| 777奇米四色成人影色区| 精品欧美一区二区久久 | 91在线porny国产在线看| 日韩三级中文字幕| 奇米色一区二区三区四区| 91麻豆精品国产91久久久资源速度| 偷拍与自拍一区| 日韩一区二区三区观看| 国产成人99久久亚洲综合精品| 欧美激情中文字幕一区二区| 波多野结衣91| 亚洲激情图片qvod| 4438x成人网最大色成网站| 国产综合色视频| 亚洲一区二区在线观看视频| 欧美一区二区视频免费观看| 亚洲欧美日本在线| 欧美大片国产精品| 国产高清久久久| 亚洲黄网站在线观看| 日韩精品最新网址| 91行情网站电视在线观看高清版| 久久精品国产精品亚洲综合| 亚洲视频在线一区|