Python scrapy框架爬取瓜子二手車信息數據

項目實施依賴：

python，scrapy ，fiddler

scrapy安裝依賴的包：

可以到https://www.lfd.uci.edu/~gohlke/pythonlibs/  下載 pywin32，lxml，Twisted，scrapy然后pip安裝

項目實施開始：

1、創建scrapy項目：cmd中cd到需創建的文件目錄下

scrapy  startproject guazi

2、創建爬蟲：cd到創建好的項目下

scrapy genspider gz guazi.com

3、分析目標網址：

　　第一次我直接用的谷歌瀏覽器的抓包分析，取得UA和Cookies請求，返回的html數據完全缺失，分析可能是攜帶的Cookies

有問題，然后就用fiddler抓包才，得到Cookies與谷歌上得到Cookies多了UA，時間等參數，

4、將UA，Cookies添加到下載中間中去：

class Guzi1DownloaderMiddleware(object):
    def process_request(self, request, spider):
            # 需要對得到的cookies處理成字典類型
        request.cookies={}
        request.headers["User-Agent"]=""

5、在settings中將DOWNLOADER_MIDDLEWARES打開

6、在spiders目錄下找到gz.py開始編寫爬蟲邏輯處理

import scrapy
import time

class GzSpider(scrapy.Spider):
    name = 'gz'
    allowed_domains = ['guazi.com']
    start_urls = ['https://www.guazi.com/cd/buy/0']

    def parse(self, response):
        # 得到頁面上所有車輛的url
        url_list = response.xpath('//ul[@class="carlist clearfix js-top"]//li/a/@href').extract()
        url_list = [response.urljoin(url) for url in url_list]
        url_list = [url.replace("cq", "cd") for url in url_list]
        for url in url_list:
            yield scrapy.Request(url=url, callback=self.parse1, dont_filter=True)
        
        # 獲取下一頁的url
        next_url = response.urljoin(response.xpath('//span[text()="下一頁"]/../@href').extract_first())
        if next_url:
            yield scrapy.Request(url=next_url, callback=self.parse, dont_filter=True)
        time.sleep(2)

    def parse1(self, response):
        # 判斷是否有數據
        if response.xpath('//h2/text()').extract_first():
            print(response.xpath('//h2/text()').extract_first().strip())
            item = {}
            item["車型"] = response.xpath('//h2/text()').extract_first().strip()
            item["選車類型"] = response.xpath('//h2/span/text()').extract_first()
            item["價格/萬"] = response.xpath('//div[@class="pricebox js-disprice"]/span[1]/text()').extract_first().strip()
            item["新車價格"] = response.xpath('//div[@class="pricebox js-disprice"]/span[2]/text()').extract_first().strip()
            item["上牌時間"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[1]/div/text()').extract_first().strip()
            item["公里數"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[2]/div/text()').extract_first().strip()
            item["排量"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[3]/div/text()').extract_first().strip()
            item["變速箱"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[4]/div/text()').extract_first().strip()
            item["配置信息"] = response.xpath('//span[@class="type-gray"]//text()').extract()
            item["網址"] = response.url
            yield item

7、啟動爬蟲並保存為csv文件

scrapy crawl gz -o guanzi.csv

8、最后得到了想要的二手車信息，貼上部分截圖