爬虫学习总结—————

1，总结一下，爬虫的工作量要么在反爬，要么在调度等业务逻辑，本身只是一个 requests.get 而已，scrapy 提供的种种抽象对于初学者太复杂，大型系统又用不上，所以个人不推荐使用包括但不限于 scrapy 在内的所有爬虫框架。
2,调用使用两个不同的item：
-item.py中
class SunproItem(scrapy.Item):
content=scrapy.Field()
class SunproItem_second(scrapy.Item):
title=scrapy.Field()
status=scrapy.Field()
-sun.py中
from sumPro.item import SunproItem_second,SunproItem
def parse_detail下
item=SunproItem()
item[‘content’]=content
yield item
def parse_item(self,response)下
item= SunproItem_second()
item[‘title’]=title
item[‘status’]=status
yield item
-pipelines.py
def process_item()
if items.class.name’SunproItem’:
content=item[‘content’]
执行sql
else:
title=item[‘title’]
status=item[‘status’]
执行sql
return item
3，用编号做数据统一标题和内容、内容--------用num=scrapy.Field()达到
-item.py
class SunproItem(scrapy.Item):
content=scrapy.Field()
num=scrapy.Field()
class SunproItem_second(scrapy.Item):
title=scrapy.Field()
status=scrapy.Field()
num=scrapy.Field()
-sun.py#tr_list=tr.xpath(‘/html/body/div[2]/div[3]/ul[2]/li’)
def parse_item()
status=tr.xpath()
num=tr.xpath(‘./span[1]/text()’).get()
item=SunproItem_second()
,…
item[‘num’]=num
def parse_detail()
…
content=‘’.join(content）
num=response.xpath(‘/html/body/div[3]/div[2]/div[2]/div[1]/span[4]/text()’).get()
#由于解析到的是编号：311241，需要的是：后面的数字,-1为要到最后所有的数字
num=num.split(‘:’)[-1]
item=SunproItem()
…
-pipelines.py
class SunproPipeline
def process_item()
if item.class.name…
content=…
num=item[‘num’]
#执行sql
print(content,num)
else:
…
status=…
num=item[‘num’]
#执行sql
print(title.status,num)
-setting.py
#开启管道
item_pipelines={
…
}
4,scrapy crawl sun
5,由于有的编号存储不是上述格式，导致split的错误
-sun,py
…
num=response.xpath()
#若num不为空,提交item
if num:
num=num.split()p[-1]
…
yield item
3，zls为增量式scrapy根据redis的对4567电影网的爬取项目

爬虫学习总结——————血狱魔帝相关推荐

Python爬虫学习实战
Python爬虫学习实战前期回顾概述技术要求实战网页分析与数据提取小说目录提取小说章节内容总结前期回顾 Python爬虫学习之requests Python爬虫学习之数据提取(XPa ...
爬虫学习日记1-豆瓣top250电影信息爬取
@ 爬虫学习日记1-豆瓣top250电影信息爬去学习任务:结合requests.re两者的内容爬取https://movie.douban.com/top250里的内容, 要求抓取名次.影片名称.年 ...
以下用于数据存储领域的python第三方库是-Python3爬虫学习之MySQL数据库存储爬取的信息详解...
本文实例讲述了Python3爬虫学习之MySQL数据库存储爬取的信息.分享给大家供大家参考,具体如下: 数据库存储爬取的信息(MySQL) 爬取到的数据为了更好地进行分析利用,而之前将爬取得数据存放在 ...
python爬虫正则表达式实例-python爬虫学习三：python正则表达式
python爬虫学习三:python正则表达式 1.正则表达式基础 a.正则表达式的大致匹配过程: 1.依次拿出表达式和文本中的字符比较 2.如果每一个字符都能匹配,则匹配成功:一旦有匹配不成功的字符 ...
爬虫学习笔记（十）—— Scrapy框架（五）：下载中间件、用户/IP代理池、settings文件
一.下载中间件下载中间件是一个用来hooks进Scrapy的request/response处理过程的框架. 它是一个轻量级的底层系统,用来全局修改scrapy的request和response. ...
爬虫学习笔记（七）——Scrapy框架（二）：Scrapy shell、选择器
一.Scrapy shell scrapy shell的作用是用于调试,在项目目录下输入scrapy shell start_urls (start_urls:目标url)得到下列信息: scrapy ...
Python2爬虫学习系列教程
http://cuiqingcai.com/1052.html 大家好哈,我呢最近在学习Python爬虫,感觉非常有意思,真的让生活可以方便很多.学习过程中我把一些学习的笔记总结下来,还记录了一些自己 ...
python爬虫自学路线_python 爬虫学习路线：从入门到进阶
大家好,我是凉拌今天给大家详解一下我的爬虫学习路线. 对于小白来说,爬虫可能是一件非常复杂.技术门槛很高的事情.比如有的人则认为先要掌握网页的知识,遂开始 HTML\CSS,结果入了前端的坑,浪费了 ...
Python爬虫学习系列教程
大家好哈,我呢最近在学习Python爬虫,感觉非常有意思,真的让生活可以方便很多.学习过程中我把一些学习的笔记总结下来,还记录了一些自己实际写的一些小爬虫,在这里跟大家一同分享,希望对Python爬虫 ...

爬虫学习总结——————血狱魔帝

爬虫学习总结——————血狱魔帝相关推荐

最新文章

热门文章