黄色网页视频 I 影音先锋日日狠狠久久 I 秋霞午夜毛片 I 秋霞一二三区 I 国产成人片无码视频 I 国产 精品 自在自线 I av免费观看网站 I 日本精品久久久久中文字幕5 I 91看视频 I 看全色黄大色黄女片18 I 精品不卡一区 I 亚洲最新精品 I 欧美 激情 在线 I 人妻少妇精品久久 I 国产99视频精品免费专区 I 欧美影院 I 欧美精品在欧美一区二区少妇 I av大片网站 I 国产精品黄色片 I 888久久 I 狠狠干最新 I 看看黄色一级片 I 黄色精品久久 I 三级av在线 I 69色综合 I 国产日韩欧美91 I 亚洲精品偷拍 I 激情小说亚洲图片 I 久久国产视频精品 I 国产综合精品一区二区三区 I 色婷婷国产 I 最新成人av在线 I 国产私拍精品 I 日韩成人影音 I 日日夜夜天天综合

python使用Scrapy框架抓取起點中文網免費小說案例

系統 2143 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