Scrapy学习笔记

学习

• 初步使用

# 继承 scrapy
start_urls
def parse(self,response)
scrapy runspider file.py -o file.csv

• 基本使用 scrapy

pip install scrapy // 安装
scrapy startproject demo // 创建项目
cd demo
scrapy genspider gdqy_spider gdqy.gov.cn// 创建 爬虫
iterms.py // 编写字段
piplines.py // 处理获取的 item 数据
# 编写代码，分析源代码，获取 xpath 或者 css path
demo : scrapy crawl gdqy_spider // 运行爬虫

问题记录：

• 运行爬虫出现 500 错误：
  解决办法：设置 settings.py 文件 去掉 USER_AGENT 的注销
• response.xpath() 无法获取数据：
  解决办法：删除 xpath 中出现的 tbody
• 出现提示：list index out of range
  错误原因，没有获取到数据，可能是url 错误或者是 xpath 错误，也有可能是需要登陆
• 无法获取或者下载到图片
  错误原因：file_urls 字段的值类型必须为 list ，加上 [ ] 括号