Python爬虫----初窥Scrapy

为什么要学习scrapy,简单来说就是让爬虫更快更强.

安装命令

sudo pip3 install scrapy

在开始爬取之前，必须创建一个新的Scrapy项目。

scrapy startproject 项目名称

新建爬虫文件

 scrapy genspider jobbole jobbole.com

然后在创建的爬虫文件jobbole.py中就可以发起请求,并提取想要的数据,将start_urls(设置起始url)的值修改为需要爬取的第一个url

start_urls = ("http://blog.jobbole.com/all-posts/",)

在items.py文件中添加字段(Item 定义结构化数据字段，用来保存爬取到的数据，有点像Python中的dict，但是提供了一些额外的保护减少错误)

class JobboleItem(scrapy.Item):

    # define the fields for your item here like:
    #标题
    title = scrapy.Field()
    #创建时间
    create_date = scrapy.Field()

在setting.py中启用一个Item Pipeline组件,当Item在Spider中被收集之后，它将会被传递到Item Pipeline,所以我们只需在pipeline文件中设置文件写入本地的格式和地址即可