大家好，又见面了，我是你们的朋友全栈君。
1.创建项目
打开一个终端输入（建议放到合适的路径下，默认是C盘）
scrapy startproject TXmovies
cd TXmovies
scrapy genspider txms v.qq.com
2.修改setting
修改三项内容，第一个是不遵循机器人协议，第二个是下载间隙，由于下面的程序要下载多个页面，所以需要给一个间隙（不给也可以，只是很容易被侦测到），第三个是请求头，添加一个User-Agent，第四个是打开一个管道
ROBOTSTXT_OBEY=False
DOWNLOAD_DELAY=1
DEFAULT_REQUEST_HEADERS={
‘Accept’:’text/html,application/xhtml xml,application/xml;q=0.9,*/*;q=0.8′,
‘Accept-Language’:’en’,
‘UserAgent’:’Mozilla/5.0(WindowsNT6.2;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/27.0.1453.94Safari/537.36′
}
ITEM_PIPELINES={
‘TXmovies.pipelines.TxmoviesPipeline’:300,
}
3.确认要提取的数据，item项
item定义你要提取的内容（定义数据结构），比如我提取的内容为电影名和电影描述，我就创建两个变量。Field方法实际上的做法是创建一个字典，给字典添加一个建，暂时不赋值，等待提取数据后再赋值。下面item的结构可以表示为：{‘name’:”,’descripition’:”}。
#-*-coding:utf-8-*-
#Define here the models for your scraped items
#
#See documentation in:
#https://docs.scrapy.org/en/latest/topics/items.html
import scrapy
class TxmoviesItem (scrapy.Item):
#define the fields for your item here like:
#name=scrapy.Field()
name=scrapy.Field()
description=scrapy.Field()
4.写爬虫程序
5.交给管道输出
管道可以处理提取的数据，如存数据库。我们这里仅输出。
#-*-coding:utf-8-*-
#Define your item pipelines here
##Don’t forget to add your pipeline to the ITEM_PIPELINES setting #See:https://docs.scrapy.org/en/latest/topics/item-pipeline.html
classTxmoviesPipeline(object):
def process_item(self,item,spider):
print(item)
return item
6.run，执行项目
from scrapy import cmdline
cmdline.execute(‘scrapy crawl txms’.split()
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/153147.html原文链接：https://javaforall.cn
