大家好，又见面了，我是你们的朋友全栈君
1、Scrapy是什么 Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理 或存储历史数据等一系列的程序中。 2、scrapy安装
安装过程中出错： 如果安装出现一下错误 building ‘twisted.test.raiser’ extension error: Microsoft Visual C 14.0 is required. Get it with “Microsoft Visual C Build Tools”: http://landinghub.visualstudio.com/visual‐cpp‐build‐tools
解决方案： http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted 下载twisted对应版本的whl文件（如我的Twisted‐17.5.0‐cp37‐cp37m‐win_amd64.whl），cp后面是 python版本，amd64代表64位，运行命令： pip install C:Users…Twisted‐17.5.0‐cp37‐cp37m‐win_amd64.whl pip install scrapy
3、scrapy项目的创建以及运行 3.1scrapy项目的创建 在pycharm终端通过cd命令进入创建项目路径下的文件夹，然后创建一个名为spider_baidu项目（注意：项目名称的定义务必不出现中文）。
创建项目步骤如下图所示：
创建成功后该项目忽然多了5个python文件，如图所示： You can start your first spider with: cd spider_baidu scrapy genspider example example.com
因此该项目（spider_baidu）组成： spider_baidu init.py 自定义的爬虫文件.py ‐‐‐》 由我们自己创建，是实现爬虫核心功能的文件 init.py items.py ‐‐‐》定义数据结构的地方，是一个继承自scrapy.Item的类 middlewares.py ‐‐‐》中间件 代理 pipelines.py ‐‐‐》管道文件，里面只有一个类，用于处理下载数据的后续处理默认是300优先级，值越小优先级越高（1‐1000） settings.py ‐‐‐》配置文件 比如：是否遵守robots协议，User‐Agent定义等
4.创建爬虫文件： （1）进入到spiders文件夹 cd 目录名字/目录名字/spiders （2）scrapy genspider 爬虫名字 网页的域名 现以百度网站为例： eg:scrapy genspider baidu https://www.baidu.com/
spider文件目录下出现baidu.py文件，点击后可以看到自动生成内容： baidu.py爬虫文件的基本组成： 继承scrapy.Spider类 name = ‘baidu’ ‐‐‐》 运行爬虫文件时使用的名字 allowed_domains ‐‐‐》 爬虫允许的域名，在爬取的时候，如果不是此域名之下的url，会被过滤掉 start_urls ‐‐‐》 声明了爬虫的起始地址，可以写多个url，一般是一个 parse(self, response) ‐‐‐》解析数据的回调函数 5.运行爬虫文件： scrapy crawl 爬虫名称 eg:scrapy crawl baidu
以上出现报错，只需在settings.py文件把ROBOTSTXT_OBEY = True注释掉再运行即可
再运行之后，如下图所示：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/193742.html原文链接：https://javaforall.cn
