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
    欧美日韩一区三区| 国产99久久久国产精品免费看| 久久精品一区二区| 国产丝袜欧美中文另类| 国产亚洲综合av| 国产精品久久久久久久久久久免费看 | 亚洲午夜久久久久久久久久久| 1024成人网色www| 亚洲男人的天堂在线aⅴ视频| 中文字幕一区二区三区蜜月 | 国产原创一区二区三区| 极品少妇xxxx精品少妇偷拍| 久久国产乱子精品免费女| 国产精品综合二区| 99久久精品免费看| 欧美揉bbbbb揉bbbbb| 91麻豆精品国产91久久久更新时间| 日韩午夜在线观看| 国产日韩欧美不卡| 一区二区三区中文字幕电影| 首页国产丝袜综合| 国产一区二区不卡| 97久久精品人人做人人爽50路| 欧美三级韩国三级日本一级| 日韩视频免费直播| 国产精品免费视频一区| 亚洲在线成人精品| 免费在线观看一区| 成人h动漫精品| 欧美疯狂做受xxxx富婆| 日本一区二区三级电影在线观看 | 99综合电影在线视频| 欧美三级视频在线| 久久你懂得1024| 亚洲国产视频网站| 99视频一区二区三区| 日韩一区二区三区四区五区六区| 久久精品人人做人人综合| 亚洲国产乱码最新视频 | 欧美三级电影精品| 久久精品亚洲一区二区三区浴池| 亚洲精品国产成人久久av盗摄| 精品一区二区三区在线观看| 91黄色小视频| 亚洲国产精品ⅴa在线观看| 日韩在线一区二区| 91视频.com| 国产精品免费免费| 国产精品一区二区久激情瑜伽| 欧美性感一类影片在线播放| 国产精品你懂的在线| 国产一区二区精品久久91| 5566中文字幕一区二区电影| 日韩美女精品在线| 国产精品一二三四区| 91精品国产综合久久婷婷香蕉 | 蜜桃视频在线观看一区| 在线亚洲精品福利网址导航| 国产精品沙发午睡系列990531| 美腿丝袜亚洲三区| 91精品久久久久久久99蜜桃| 亚洲国产三级在线| 欧美日韩一区精品| 亚洲成人第一页| 欧美性生活一区| 亚洲风情在线资源站| 色婷婷久久久久swag精品| 亚洲欧美在线另类| 99re成人精品视频| 亚洲精品日韩综合观看成人91| 国产成人综合精品三级| 国产亚洲一区二区三区四区| 国产麻豆精品一区二区| 中文字幕精品在线不卡| 国产a久久麻豆| |精品福利一区二区三区| 99久久国产免费看| 一区二区三区久久| 欧美军同video69gay| 午夜精品久久久久久久蜜桃app| 欧美日本国产视频| 久久国产免费看| 久久久精品黄色| 99久久精品国产一区二区三区| 国产精品久久精品日日| 色综合色狠狠天天综合色| 一区二区久久久| 日韩一级免费一区| 福利视频网站一区二区三区| 国产精品热久久久久夜色精品三区| 成人av影院在线| 亚洲第一激情av| 精品欧美一区二区在线观看 | 亚洲一区二区在线观看视频 | 国产河南妇女毛片精品久久久| 国产精品成人午夜| 欧美日韩一区小说| 国产成人久久精品77777最新版本| 国产精品女同互慰在线看| 欧美日韩一区二区在线观看视频| 久久69国产一区二区蜜臀 | 欧美日韩国产经典色站一区二区三区| 亚洲成av人片在线观看无码| 欧美sm极限捆绑bd| 色综合久久综合中文综合网| 麻豆视频观看网址久久| 最新国产成人在线观看| 欧美一卡二卡在线观看| 成人av免费网站| 麻豆国产精品官网| 一区二区三区精品在线| 337p日本欧洲亚洲大胆色噜噜| 色综合久久久久综合体桃花网| 日本在线不卡一区| 亚洲美女屁股眼交| 国产视频一区不卡| 日韩一区二区免费在线电影 | 欧美一二三区在线观看| 99久久久久久99| 国产综合色在线视频区| 午夜欧美电影在线观看| 中文字幕不卡在线播放| 精品国产成人系列| 欧美卡1卡2卡| 欧美午夜精品电影| 日本乱码高清不卡字幕| 国产jizzjizz一区二区| 久久国产夜色精品鲁鲁99| 午夜精品影院在线观看| 亚洲免费伊人电影| 国产精品美女久久久久久久| 精品国精品国产尤物美女| 欧美天天综合网| 欧美性色黄大片手机版| 91免费观看在线| 91日韩在线专区| 91视频在线观看| 91麻豆国产福利在线观看| 国产不卡视频在线播放| 国产在线不卡视频| 国产一区二区免费视频| 精品亚洲免费视频| 毛片基地黄久久久久久天堂| 日韩av高清在线观看| 日韩av中文在线观看| 日本视频中文字幕一区二区三区| 午夜天堂影视香蕉久久| 亚洲国产裸拍裸体视频在线观看乱了| 一区二区三区中文字幕电影| 亚洲综合无码一区二区| 亚洲国产视频一区| 免费精品99久久国产综合精品| 五月天中文字幕一区二区| 日日摸夜夜添夜夜添精品视频| 图片区小说区区亚洲影院| 日本不卡视频一二三区| 麻豆国产一区二区| 国产在线麻豆精品观看| 国产99久久久精品| 91视频免费看| 91精品国产色综合久久ai换脸 | 午夜视频一区二区| 奇米888四色在线精品| 久久精品99国产精品| 国产精品系列在线观看| 99r国产精品| 欧美一区二区视频网站| 久久免费视频一区| 成人欧美一区二区三区在线播放| 成人欧美一区二区三区小说| 香蕉成人伊视频在线观看| 日韩激情一二三区| 国产盗摄一区二区| 欧美体内she精视频| 久久久久青草大香线综合精品| 国产精品国产三级国产普通话99| 一区二区三区毛片| 国产一区二区三区精品欧美日韩一区二区三区 | 欧美色视频在线| 久久久久亚洲蜜桃| 一区二区三区四区激情| 精品一区二区国语对白| 91丨porny丨在线| 精品日产卡一卡二卡麻豆| 亚洲图片你懂的| 狠狠色综合播放一区二区| 91视频国产资源| 国产午夜精品一区二区三区视频| 亚洲精品一二三| 国产98色在线|日韩| 欧美美女网站色| ㊣最新国产の精品bt伙计久久| 日本午夜精品一区二区三区电影| www.爱久久.com| 久久久国产一区二区三区四区小说 | 韩国女主播一区| 777午夜精品视频在线播放| 国产精品久久久久久久久免费樱桃| 婷婷久久综合九色综合绿巨人| 99精品视频在线观看|