从零开始的Python爬虫速成指南，本文受众：没写过爬虫的萌新

 

 

引言

用最短的时间写一个最简单的爬虫，可以抓一些简单的论坛、帖子、网页。

入门

1.准备工作

• 安装Python
• 安装scrapy框架
• 一个IDE或者可以用自带的

2.开始写爬虫

 

 

在spiders文件夹中创建一个python文件，比如miao.py，来作为爬虫的脚本。

代码如下：

 

3.运行一下

如果用命令行的话就这样：

 

 

解析

1.试试神奇的xpath

 

 

 

2.看看xpath的效果

在最上面加上引用：

from scrapy import Selector

把parse函数改成：

 

我们再次运行一下，你就可以看到输出“坛星际区”***页所有帖子的标题和url了。

递归

 

完整的代码如下：

 

 

Pipelines——管道

现在是对已抓取、解析后的内容的处理，我们可以通过管道写入本地文件、数据库。

1.定义一个Item

在miao文件夹中创建一个items.py文件

 

这里我们定义了两个简单的class用来描述我们爬取的结果。

2. 处理方法

 

 

3.在爬虫中调用这个处理方法。

 

 

4.在配置文件里指定这个pipeline

 

 

可以这样配置多个pipeline:

 

Middleware——中间件

 

1.Middleware的配置

 

 

2.破网站查UA, 我要换UA

 

这里就是一个简单的随机更换UA的中间件，agents的内容可以自行扩充。

3.破网站封IP，我要用代理

 

 

 

结束

看懂了吗 ？是不是超简单！