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
    一区二区高清在线| 精品免费99久久| 成人国产精品免费| 国产曰批免费观看久久久| 美国欧美日韩国产在线播放| 老司机精品视频在线| 捆绑调教美女网站视频一区| 蜜臀国产一区二区三区在线播放| 蜜桃视频一区二区| 狠狠色综合播放一区二区| 韩国成人在线视频| 国产91精品露脸国语对白| 成人精品免费网站| 欧美制服丝袜第一页| 欧美影片第一页| 在线91免费看| 久久亚洲精品国产精品紫薇| 久久久三级国产网站| 国产精品久久99| 伊人性伊人情综合网| 三级欧美韩日大片在线看| 久久精品国产澳门| 成人福利视频网站| 欧美性受xxxx| 久久综合久久99| 亚洲免费成人av| 日韩黄色免费电影| 懂色av一区二区夜夜嗨| 91同城在线观看| 欧美日韩大陆在线| 久久久国产综合精品女国产盗摄| 国产欧美一区二区三区鸳鸯浴| 国产精品免费丝袜| 午夜精品123| 懂色av一区二区夜夜嗨| 欧美日韩精品电影| 久久久久国产精品厨房| 一区二区三区四区视频精品免费| 日精品一区二区三区| 国产精品白丝av| 在线免费观看视频一区| 久久亚洲一级片| 亚洲国产精品久久人人爱| 国产一区不卡精品| 欧美日韩激情在线| 国产精品蜜臀在线观看| 免费av成人在线| 色噜噜狠狠成人网p站| 欧美成人精品1314www| 一区二区三区电影在线播| 国内精品久久久久影院薰衣草| 色婷婷亚洲一区二区三区| 亚洲精品一区二区三区在线观看| 自拍偷拍国产精品| 国产经典欧美精品| 精品久久久久久久久久久久包黑料 | 暴力调教一区二区三区| 欧美一级日韩不卡播放免费| 中文字幕一区二区三区在线播放 | 日韩免费一区二区三区在线播放| 自拍偷拍亚洲激情| 成人国产精品视频| 欧美激情中文字幕| 国产一区二区按摩在线观看| 欧美mv和日韩mv的网站| 日精品一区二区| 欧美精品久久99久久在免费线 | 奇米色777欧美一区二区| 在线观看亚洲成人| 一区二区三区久久久| 91在线看国产| 国产精品毛片无遮挡高清| 高清国产午夜精品久久久久久| 精品久久久久久久人人人人传媒| 免费的成人av| 欧美变态tickling挠脚心| 日精品一区二区| 日韩欧美一二三四区| 美女视频一区二区| 日韩欧美国产一区二区三区 | 欧美久久久久久久久久| 亚洲va国产天堂va久久en| 欧美精品在线一区二区| 日韩成人伦理电影在线观看| 日韩一区二区三区四区五区六区| 麻豆一区二区三区| 国产亚洲欧美一区在线观看| 成人黄色av电影| 亚洲精品国产精品乱码不99| 色综合天天性综合| 一区二区高清视频在线观看| 91精品国产高清一区二区三区| 奇米精品一区二区三区四区 | 欧美本精品男人aⅴ天堂| 精品一二三四区| 国产精品私人影院| 在线观看91视频| 美腿丝袜亚洲色图| 国产精品久久福利| 在线观看91精品国产麻豆| 国内一区二区在线| 亚洲免费观看高清完整版在线观看| 日本久久精品电影| 久久99精品久久久久久| 国产精品免费av| 91精品国产91热久久久做人人| 国产91精品入口| 午夜精品免费在线| 亚洲国产经典视频| 欧美日韩精品一区二区三区四区| 国产精品自拍在线| 亚洲午夜精品在线| 国产欧美精品在线观看| 欧美性受极品xxxx喷水| 国产福利一区二区| 亚洲自拍偷拍欧美| 国产精品欧美极品| 日韩欧美国产麻豆| 在线观看一区不卡| 成人一级片在线观看| 日本欧美大码aⅴ在线播放| 亚洲国产精品二十页| 日韩一二三区视频| 一本到不卡免费一区二区| 国产一区二区三区不卡在线观看 | 大胆亚洲人体视频| 三级欧美在线一区| 亚洲精品视频观看| 久久久午夜电影| 精品国产区一区| 欧美日韩国产首页| 色哟哟一区二区在线观看| 成人免费电影视频| 国产福利一区二区三区视频在线| 日韩av一区二| 亚瑟在线精品视频| 亚洲激情网站免费观看| 国产精品久久久久久久蜜臀 | 在线观看免费成人| 不卡的av电影| 盗摄精品av一区二区三区| 国产一区二区91| 国产伦精品一区二区三区在线观看| 日产国产欧美视频一区精品| 亚洲一级电影视频| 一区二区三区国产精华| 亚洲另类一区二区| 一区二区三区影院| 亚洲精选视频免费看| 亚洲私人黄色宅男| 亚洲精品欧美二区三区中文字幕| 成人免费在线视频| 伊人夜夜躁av伊人久久| 一区二区三区免费在线观看| 亚洲精品成a人| 亚洲激情图片小说视频| 亚洲乱码国产乱码精品精的特点| 亚洲人精品一区| 一区二区理论电影在线观看| 午夜精品久久久久久久久| 日韩国产在线观看| 久久99精品网久久| 东方欧美亚洲色图在线| 成人午夜电影小说| 色婷婷精品大在线视频| 欧美日韩色一区| 欧美www视频| 国产精品久久精品日日| 亚洲精品午夜久久久| 日韩av不卡一区二区| 久久国产人妖系列| 大胆亚洲人体视频| 欧美三级中文字幕在线观看| 欧美一区二区三区四区视频| 久久人人97超碰com| 亚洲精品视频在线观看网站| 亚洲成人免费看| 国产酒店精品激情| 91精品福利在线| 精品电影一区二区三区 | 麻豆久久久久久| av午夜一区麻豆| 欧美一区二区性放荡片| 国产精品伦理一区二区| 天天色综合天天| 成人性色生活片| 欧美一区二区三区公司| 中文字幕一区二区三区蜜月 | 视频一区二区三区中文字幕| 国产在线精品国自产拍免费| 91丨国产丨九色丨pron| 欧美一级高清大全免费观看| 亚洲国产电影在线观看| 日韩av一区二区在线影视| 91麻豆国产自产在线观看| 久久久亚洲精华液精华液精华液| 亚洲成人精品在线观看| 99国产精品久久久久久久久久 | 日韩精品色哟哟| 99久久免费视频.com|