scrapy 中文教程(爬cnbeta实例)

scrapy 中文的资料挺少的,写文章记录一下,以爬cnbeta新闻为例子,
抓取cnbeta的新闻标题+链接。

1.新建scrapy项目

目录结构:

2.定义数据结构
编辑cnbeta/items.py

定义了两个字段,分别存储标题和链接

3.编写spider(爬虫)
编辑cnbeta/spiders/cb.py

rules指定了含有/articles/.*\.htm的链接都会被匹配.

4.运行爬虫

将结果输出到result.json -t json指定文件格式为json

5.结果

[ { "url" : "http://www.cnbeta.com/articles/268661.htm" , "title" : [ "\u53ea\u97001\u5143\u4e0d\u62a2\u624d\u75af\uff01\u5c0f\u5ea6Wi-Fi\u5957\u88c5\u9707\u64bc\u4ef716\u65e5\u5f00\u62a2_Baidu \u767e\u5ea6_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268872.htm" , "title" : [ "\u8c37\u6b4c\u667a\u80fd\u5bb6\u5c45\u8ba1\u5212\u6216\u72af\u7684\u9519\uff1a\u5c01\u95edNest_Google / \u8c37\u6b4c_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268865.htm" , "title" : [ "\u4e2d\u56fd\u624b\u673a\u7f51\u6c11\u89c4\u6a21\u8fbe5\u4ebf \u5e74\u589e\u957f8009\u4e07\u4eba_cnBeta \u89c6\u70b9\u89c2\u5bdf_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268869.htm" , "title" : [ "\u524d\u82f9\u679c\u9ad8\u7ea7\u526f\u603b\u88c1\u4e3a\u5927\u5b66\u4ee3\u8a00\uff1f\u539f\u662f\u56fe\u7247\u88ab\u76d7\u7528_cnBeta \u4eba\u7269_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268866.htm" , "title" : [ "\u6bd4\u7279\u5e01\u4ea4\u6613\u5e73\u53f0\u906d\u9047\u751f\u5b58\u5371\u673a_cnBeta \u89c6\u70b9\u89c2\u5bdf_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268870.htm" , "title" : [ "\u76db\u5927\u6e38\u620f\u4f20\u5947\u88ab\u4fb5\u6743\u6848\u65b0\u8fdb\u5c55\uff1a\u8ffd\u52a0\u56db\u540d\u88ab\u544a_cnBeta \u89c6\u70b9\u89c2\u5bdf_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268867.htm" , "title" : [ "\u91d1\u878d\u65f6\u62a5\uff1a\u4e2d\u56fd\u8d2b\u56f0\u5730\u533a\u7f51\u8d2d\u589e\u901f\u8d85\u53d1\u8fbe\u5730\u533a_\u7535\u5b50\u5546\u52a1 - B2C / B2B_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268868.htm" , "title" : [ "\u79fb\u52a84G\u7248iPhone 5s/5c\u4e0a\u624b\uff1a\u901f\u5ea6\u6539\u53d8\u4f53\u9a8c_Apple iPhone_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268871.htm" , "title" : [ "[\u7ec4\u56fe]\u7247\u573a\u63a2\u79d8\u544a\u8bc9\u4f60\u7d22\u5c3c4K\u5f71\u7247\u662f\u600e\u4e48\u70bc\u6210\u7684_SONY \u7d22\u5c3c_cnBeta.COM" ] } ,
{ "url" : "http://www.cnbeta.com/articles/268875.htm" , "title" : [ "USB 3.0\u548c\u534

源码下载:
cnbeta_spider.tar


你可能感兴趣的:(python,爬虫,scrapy,scrapy,scrapy,中文,教程,中文教程)