做一个简单的scrapy爬虫

前言：

做一个简单的scrapy爬虫，带大家认识一下创建scrapy的大致流程。我们就抓取扇贝上的单词书，python的高频词汇。

 

 

步骤：

一，新建一个工程scrapy_shanbay

 

二，在工程中中新建一个爬虫项目，scrapy startproject shanbei_spider

 

 

三，切入到项目目录下，然后在项目中，新建一个爬虫spider。scrapy crawl shanbay shanbay.com

 

四，在item中，新建一个字段，既要获取的字段。

 

五，开始书写spider，里面分两部分，第一部分 start_request()主要是获取所有的url，第二部分是解析页面，获取所需要的字段，并存储。

import scrapy
from scrapy.http import Request
from shanbay_spider.items import ShanbaySpiderItem

class ShanbaySpider(scrapy.Spider):
    name = 'shanbay'
    allowed_domains = ['shanbay.com']
    # start_urls = ['http://shanbay.com/']

    def start_requests(self):
        for i in range(29):
            page = 540709 + i * 3
            url_base = 'https://www.shanbay.com/wordlist/187711/' + str(page) + '/?page={}'
            for x in range(10):
                url = url_base.format(x+ 1)
                yield Request(url,self.parse)

    def parse(self, response):
        html_contents = response.xpath('/html/body/div[3]/div/div[1]/div[2]/div/table/tbody/tr//*/text()')
        item = ShanbaySpiderItem()


        for result in html_contents:

            item['Chinese'] = result.extract()
            yield item

 

 六，执行运行保存命令，scrapy crawl shanbay -o shanbay.csv

 

 七，东西都保存在shanbay.csv中了

总结，其实这个非常简单，但是你用scrapy你会明显感觉到比requests快的很多。而且相比于requests库，你发现用scrapy会很简单。比较明显的一点就是你用request的话，你需要自己写个列表存放url，存进去再一个一个拿出来。再scrapy中，你只需要把url生成，然后yield request就行了，非常之方便。