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
    国产成人日日夜夜| 精品一区二区免费视频| 国产精品色呦呦| 中文字幕av免费专区久久| 精品国产电影一区二区| 日韩精品一区二区三区蜜臀| 日韩一区二区免费在线观看| 欧美一卡2卡3卡4卡| 精品毛片乱码1区2区3区| 日韩免费看的电影| 国产欧美一区二区三区沐欲| 国产精品你懂的| 伊人婷婷欧美激情| 亚洲国产视频一区二区| 性感美女久久精品| 久久福利资源站| 成人精品视频一区| 91久久精品一区二区三| 欧美电影在线免费观看| 精品福利在线导航| 中文字幕中文字幕一区二区| 亚洲综合一区二区三区| 麻豆精品国产91久久久久久| 懂色av噜噜一区二区三区av| 色综合天天综合在线视频| 欧美一级视频精品观看| 欧美激情自拍偷拍| 亚洲成人7777| 风间由美一区二区av101| 欧美三级乱人伦电影| 久久蜜臀精品av| 亚洲一区二区三区爽爽爽爽爽| 久久精品理论片| 99re热这里只有精品视频| 欧美不卡一区二区三区四区| 亚洲欧美一区二区三区国产精品 | 成人免费观看视频| 欧美精品乱码久久久久久按摩| 欧美不卡激情三级在线观看| 亚洲欧美影音先锋| 国内外成人在线视频| 色婷婷激情综合| 久久九九久久九九| 日韩精品成人一区二区三区| 成人a区在线观看| 欧美xxxxx牲另类人与| 亚洲电影视频在线| 99re66热这里只有精品3直播| 日韩午夜在线播放| 午夜精品福利一区二区蜜股av | 亚洲天天做日日做天天谢日日欢| 日本欧美一区二区在线观看| 色88888久久久久久影院按摩 | 国产精品午夜久久| 青青草国产精品97视觉盛宴| 99久久精品99国产精品| 国产午夜精品久久久久久久| 久久精品国产久精国产爱| 欧美日韩精品一区二区三区| 亚洲欧美日韩国产另类专区| 国产91丝袜在线18| 久久九九全国免费| 国产一区二区三区不卡在线观看| 欧美一区二区三区免费视频| 午夜精品成人在线| 欧美日韩一级二级| 五月天国产精品| 欧美日韩精品一区视频| 一区二区视频在线| 色婷婷综合五月| 亚洲男人的天堂av| 色综合欧美在线| 夜夜精品视频一区二区| 欧美主播一区二区三区| 亚洲成人在线网站| 7799精品视频| 麻豆91精品91久久久的内涵| 日韩欧美一二三四区| 日本不卡不码高清免费观看| 精品福利一二区| 国产成人午夜视频| **性色生活片久久毛片| 色域天天综合网| 一区二区三区日韩精品视频| 91高清视频免费看| 麻豆精品国产传媒mv男同| 26uuuu精品一区二区| 高清不卡在线观看| 亚洲最快最全在线视频| 宅男在线国产精品| 国产91精品一区二区麻豆亚洲| 亚洲欧美怡红院| 欧美精品久久天天躁| 久久超碰97人人做人人爱| 国产精品蜜臀av| 欧美日韩国产综合一区二区三区| 老司机午夜精品| 国产精品三级在线观看| 欧美日韩亚洲高清一区二区| 国产一区二区三区高清播放| 国产精品久99| 日韩三级中文字幕| 91视频.com| 蜜臀va亚洲va欧美va天堂| 国产精品看片你懂得| 91精品黄色片免费大全| 成人精品视频网站| 看国产成人h片视频| 亚洲丝袜另类动漫二区| 日韩一区二区三区精品视频| 91在线云播放| 久草这里只有精品视频| 亚洲色图都市小说| 久久午夜羞羞影院免费观看| 欧美综合一区二区三区| 国产高清精品久久久久| 日韩高清一级片| 亚洲另类在线视频| 久久综合九色欧美综合狠狠| 在线观看亚洲精品| 成人av网站在线观看| 麻豆精品国产91久久久久久| 亚洲一区av在线| 国产精品大尺度| 久久久久久久免费视频了| 欧美人体做爰大胆视频| 色国产精品一区在线观看| 国产99久久精品| 国产乱色国产精品免费视频| 天天影视网天天综合色在线播放| 亚洲天堂av老司机| 国产精品久久久久久久久晋中| 久久综合久久综合亚洲| 日韩午夜激情免费电影| 欧美精品久久99久久在免费线| 一本高清dvd不卡在线观看| 国产在线精品一区二区不卡了 | 欧美一级免费大片| 欧美日本一区二区| 欧美日韩三级一区二区| 欧美日韩另类一区| 欧美片网站yy| 欧美精品色一区二区三区| 在线观看91视频| 欧美在线短视频| 欧美精品xxxxbbbb| 欧美另类变人与禽xxxxx| 欧美日韩在线综合| 欧美日韩大陆一区二区| 欧美久久一二区| 日韩三级视频在线看| xf在线a精品一区二区视频网站| 久久综合色婷婷| 欧美激情一二三区| 国产精品美女一区二区| 国产精品初高中害羞小美女文| 亚洲日本在线观看| 亚洲成人久久影院| 日韩av高清在线观看| 免费日韩伦理电影| 国产成人aaaa| 99vv1com这只有精品| 欧美日韩1234| 久久综合九色综合欧美就去吻| 国产精品久久久久久久久久久免费看 | 极品瑜伽女神91| 国产成人在线免费观看| 成人午夜激情视频| 99re成人精品视频| 欧美日韩一级黄| 欧美大片在线观看一区二区| 亚洲精品一区二区三区蜜桃下载 | 欧美精品v国产精品v日韩精品 | 国产精品一区2区| 99热99精品| 日韩亚洲电影在线| 自拍偷拍欧美激情| 蜜臀av性久久久久蜜臀aⅴ| 成人蜜臀av电影| 欧美二区在线观看| 国产精品毛片大码女人| 亚洲电影一级片| av福利精品导航| 欧美精品第一页| 亚洲欧洲性图库| 看国产成人h片视频| 99国产欧美另类久久久精品| 欧美一区二区三区四区高清| 中文字幕一区不卡| 国内精品国产三级国产a久久| av高清久久久| 久久久久久免费毛片精品| 亚洲电影一级黄| jlzzjlzz亚洲日本少妇| 日韩三级视频中文字幕| 亚洲精品国产视频| 成人av网址在线观看| www国产亚洲精品久久麻豆| 亚洲综合激情另类小说区| 国产91在线观看|