在ubuntu上创建scrapy爬虫

下载scrapy

在命令行下输入： sudo apt-get install python-scrapy

或者进入http://scrapy.org下载安装

新建项目

命令行下进入项目目录，输入scrapy startproject start

新建一个名为start的项目

项目结构如下

start/
    scrapy.cfg
    start/
        __init__.py
        items.py
        pipelines.py
        settings.py
        spiders/
            __init__.py

各文件的作用如下：

   
   
   
   

    
    
    
    
scrapy.cfg: 项目配置文件
    
    
    
    
items.py: 项目items文件
    
    
    
    
pipelines.py: 项目管道文件
    
    
    
    
settings.py: 项目配置文件
    
    
    
    
spiders: 放置spider的目录
   
   
   
   
开始简单爬虫
   
   
   
   

    
    
    
    在spiders目录下新建文件qiushi.py
   
   
   
   
   
   
   
   

    
    
    
    代码如下：
   
   
   
   
   
   
   
   

    
    
    
    
from scrapy.spider import BaseSpider

class QiushiSpider(BaseSpider):
    name = "qiushi"
    allowed_domains = ["qiushibaike.com","www.qiushibaike.com"]
    start_urls = ["http://www.qiushibaike.com/"]
    def parse(self,response):
        filename = response.url.split("/")[-2]
        open(filename,'wb').write(response.body)
返回项目主目录，执行scrapy crawl qiushi
   
   
   
   
   
   
   
   

    
    
    
    执行完毕后，项目内会出现爬取网页文件