日韩久久久精品,亚洲精品久久久久久久久久久,亚洲欧美一区二区三区国产精品 ,一区二区福利

python使用Scrapy框架抓取起點中文網免費小說案例

系統 1894 0

使用工具,ubuntu,python,pycharm
一、使用pycharm創建項目:過程略
二、安裝scrapy框架

          
            pip install Scrapy
          
        

三、創建scrapy項目:

          
            1.創建爬蟲項目
          
        
          
                scrapy startproject qidian
          
        
          
            2.創建爬蟲,先進入爬蟲項目目錄

          
        
          
            cd qidian/
scrapy genspider book book.qidian.com
          
        

創建完成后項目目錄如下


目錄下的的book.py就是我們的爬蟲文件

四、打開book.py編寫爬蟲的代碼

          
            1.進入需要爬去的書的目錄,找到開始url
設置start_url:
          
        
          
            #鬼吹燈圖書目錄
start_urls = ['https://book.qidian.com/info/53269#Catalog']
          
        
          
            2、在創建項目的時候,篩選的url地址為:
          
        

allowed_domains = ['book.qidian.com']

          
              打開圖書章節后發現章節的url如下:
 # https://read.qidian.com/chapter/PNjTiyCikMo1/FzxWdm35gIE1
  所以需要將read.qidian.com 加入allowed_domains 中,
          
        
          
            allowed_domains = ['book.qidian.com', 'read.qidian.com']
          
        
          
            剩下的就是通過xpath 獲取抓取到的內容,提取我們需要的內容
完整代碼如下
          
        
          
            # -*- coding: utf-8 -*-
import scrapy
import logging

logger = logging.getLogger(__name__)


class BookSpider(scrapy.Spider):
    name = 'book'
    allowed_domains = ['book.qidian.com', 'read.qidian.com']
    start_urls = ['https://book.qidian.com/info/53269#Catalog']

    def parse(self, response):
        # 獲取章節列表
        li_list = response.xpath('//div[@class="volume"][2]/ul/li')
        # 列表循環取出章節名稱和章節對應的url
        for li in li_list:
            item = {}
            # 章節名稱
            item['chapter_name'] = li.xpath('./a/text()').extract_first()
            # 章節url
            item['chapter_url'] = li.xpath('./a/@href').extract_first()
            # 獲取到的url //read.qidian.com/chapter/PNjTiyCikMo1/TpiSLsyH5Hc1
            # 需要重新構造
            item['chapter_url'] = 'https:' + item['chapter_url']
            # 循環抓取每個章節的內容
            if item['chapter_url'] is not None:
                # meta:傳遞item數據
                yield scrapy.Request(item['chapter_url'], callback=self.parse_chapter, meta={'item': item})

    def parse_chapter(self, response):
        item = response.meta['item']
        # 獲取文章內容
        item['chapter_content'] = response.xpath('//div[@class="read-content j_readContent"]/p/text()').extract()
        yield item

          
        

五、將爬去數據保存到mongodb中

          
            1.修改setting文件
找到并打開注釋:
          
        
          
            ITEM_PIPELINES = {
    'qidain.pipelines.QidainPipeline': 300,
}
          
        
          
            2.添加monggodb相關配置

          
        
          
            # 主機地址
MONGODB_HOST = '127.0.0.1'
# 端口
MONGODB_PORT = 27017
# 需要保存的數據哭名字
MONGODB_DBNAME = 'qidian'
# 保存的文件名
MONGODB_DOCNAME = 'dmbj'
          
        
          
            3.在pipelines.py文件中保存數據,最終文件內容如下
          
        
          
            # -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://doc.scrapy.org/en/latest/topics/item-pipeline.html

from scrapy.conf import settings
import pymongo


class QidainPipeline(object):
    def __init__(self):
        '''在__init__中配置mongodb'''
        host = settings['MONGODB_HOST']
        port = settings['MONGODB_PORT']
        db_name = settings['MONGODB_DBNAME']
        client = pymongo.MongoClient(host=host, port=port)
        db = client[db_name]
        self.post = db[settings['MONGODB_DOCNAME']]

    def process_item(self, item, spider):
        self.post.insert(item)
        return item

          
        

更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 天镇县| 鲜城| 岢岚县| 全椒县| 乌拉特中旗| 武功县| 山东| 柳江县| 聊城市| 郑州市| 南康市| 鹿泉市| 怀化市| 嘉荫县| 湛江市| 庆元县| 措美县| 霞浦县| 比如县| 巴林右旗| 肃南| 锦州市| 梅河口市| 安顺市| 鲜城| 宕昌县| 呼图壁县| 烟台市| 石首市| 平顶山市| 泰安市| 夹江县| 贵阳市| 那曲县| 万年县| 陈巴尔虎旗| 梁山县| 女性| 海宁市| 冀州市| 孝感市|