Scraypy 例一

标签：text   not   函数   elf   auth   提取   目录   spider   实现   

# -*- coding: utf-8 -*-
"""
语言版本：

python：3.6.1
scrapy：1.3.3

功能：本蜘蛛主要演示如何爬取多个页面
作者：cuanboy
出处：http://www.scrapyd.cn （scrapy中文网）
时间：2017年12月16日15:55:00
运行：CMD模式进入该项目目录，输入命令：scrapy crawl nextSpider

"""
import scrapy


class NextSpiderSpider(scrapy.Spider):
    name = "nextSpider"
    allowed_domains = ["lab.scrapyd.cn"]
    start_urls = [‘http://lab.scrapyd.cn/‘]

    def parse(self, response):
        mingyan = response.css(‘div.quote‘)  # 提取首页所有名言，保存至变量mingyan

        for v in mingyan:  # 循环获取每一条名言里面的：名言内容、作者、标签

            text = v.css(‘.text::text‘).extract_first()  # 提取名言
            autor = v.css(‘.author::text‘).extract_first()  # 提取作者
            tags = v.css(‘.tags .tag::text‘).extract()  # 提取标签
            tags = ‘,‘.join(tags)  # 数组转换为字符串

            """
            接下来进行写文件操作，每个名人的名言储存在一个txt文档里面
            """
            fileName = ‘%s-语录.txt‘ % autor  # 定义文件名,如：木心-语录.txt

            with open(fileName, "a+") as f:  # 不同人的名言保存在不同的txt文档，“a+”以追加的形式
                f.write(text)
                f.write(‘\n‘)  # ‘\n’ 表示换行
                f.write(‘标签：‘ + tags)
                f.write(‘\n-------\n‘)
                f.close()

        # 以上都内容是上几节课的内容
        # 接下来我们需要判断下一页是否存在，如果存在
        # 我们需要继续提交给parse执行关键看 scrapy 如何实现链接提交

        next_page = response.css(‘li.next a::attr(href)‘).extract_first()  # css选择器提取下一页链接

        if next_page is not None:  # 判断是否存在下一页

            """
             如果是相对路径，如：/page/1
             urljoin能替我们转换为绝对路径，也就是加上我们的域名
             最终next_page为：http://lab.scrapyd.cn/page/2/
             
            """
            next_page = response.urljoin(next_page)

            """
            接下来就是爬取下一页或是内容页的秘诀所在：
            scrapy给我们提供了这么一个方法：scrapy.Request()
            这个方法还有许多参数，后面我们慢慢说，这里我们只使用了两个参数
            一个是：我们继续爬取的链接（next_page），这里是下一页链接，当然也可以是内容页
            另一个是：我们要把链接提交给哪一个函数(callback=self.parse)爬取，这里是parse函数，也就是本函数
            当然，我们也可以在下面另写一个函数，比如：内容页，专门处理内容页的数据
            经过这么一个函数，下一页链接又提交给了parse，那就可以不断的爬取了，直到不存在下一页
            
            """
            yield scrapy.Request(next_page, callback=self.parse)

Scraypy 例一

标签：text   not   函数   elf   auth   提取   目录   spider   实现   

原文地址：https://www.cnblogs.com/shineen/p/13181369.html