Hello to Scrapy

标签：rip   attr   read   vat   pts   目录   sel   osc   rtu   

步骤

1. 安装 Python，版本选择 Python 3，原因看这里：https://wiki.python.org/moin/Python2orPython3

2. 创建 virtual environment(venv)

   # 在当前目录创建虚拟环境
   python -m venv .
   
   # 激活虚拟环境
   .\Scripts\Activate.ps1

3. 安装 pip

   # 升级 pip 版本
   # -i 用来指定 pipy 源
   python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装 Scrapy

   pip install Scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 写脚本 quotes_spider.py

   import scrapy
   
   
   class QuotesSpider(scrapy.Spider):
      name = 'quotes'
      start_urls = [
         'http://quotes.toscrape.com/tag/humor/',
      ]
   
      def parse(self, response):
         for quote in response.css('div.quote'):
               yield {
                  'author': quote.xpath('span/small/text()').get(),
                  'text': quote.css('span.text::text').get(),
               }
   
         next_page = response.css('li.next a::attr("href")').get()
         if next_page is not None:
               yield response.follow(next_page, self.parse)

6. 执行脚本

   scrapy runspider quotes_spider.py -o quotes.json

参考

• https://pip-cn.readthedocs.io/en/latest/
• https://mirror.tuna.tsinghua.edu.cn/help/pypi/
• https://docs.python.org/zh-cn/3/library/venv.html#module-venv

Hello to Scrapy

标签：rip   attr   read   vat   pts   目录   sel   osc   rtu   

原文地址：https://www.cnblogs.com/nehcdahc/p/12527121.html