1.简单爬虫————爬取古诗网

该文章仅供学习,如有错误,欢迎指出

1.开始创建一个项目

mkdir s古诗网

2.进入到文件夹下创建python3的虚拟环境

pipenv install scrapy

3.进入pipenv 下使用scrapy命令创建爬虫项目

pipenv shell
scrapy startproject gushi
cd gushi
scrapy genspider test www.gushiwen.org

这里写图片描述

完成项目的创建

4.写方法
这里对通用爬虫有两个方法

class TestSpider(scrapy.Spider):
    name = 'test'                             #启动爬虫的名字
    allowed_domains = ['www.lagou.com']       #域名,没啥
    start_urls = ['http://www.lagou.com/']    #开始爬取的地址

    def parse(self, response):                
        pass
    def start_requests(self):                
        pass
#爬虫运行之后,程序会先去访问start_requests方法,之后访问start_urls,得到response之后将response交给parse方法

5.使用css选择器解析response 并用yield返回

    def parse(self,response):
        href = response.css('form .pagesright a::attr(href)')[0].extract()
        next_url = response.urljoin(href)
        item = gushiItem()
        all = response.css('.sons')
        for i in all[0:10]:
            title = i.css('.cont p a b::text')[0].extract()
            text = i.css('.contson p::text').extract()
            if len(text) == 0:
                text = i.css('.contson::text').extract()
            chaodai_name = i.css('.source')
            for j in chaodai_name:
                chaodai = j.css('a::text')[0].extract()
                name = j.css('a::text')[1].extract()

            item['title'] = title
            item['text'] = text
            item['chaodai'] = chaodai
            item['name'] = name
            yield item
        yield Request(next_url,callback=self.parse)

6.设定自己的item

class gushiItem(scrapy.Item):
    title = scrapy.Field()
    text  = scrapy.Field()
    chaodai = scrapy.Field()
    name =scrapy.Field()

运行程序

scrapy crawl -o test.json   #生成json文件
scrapy crwal -o test.csv     #生成csv文件

接下来会爬去拉勾网的数据

你可能感兴趣的:(1.简单爬虫————爬取古诗网)