百度360必应搜狗淘宝本站头条
分布式事务框架grpc框架shiro框架java日志框架框架图模板
当前位置：网站首页 > 技术文章 > 正文

Scrapy框架 -- crawlSpider爬虫（爬虫框架scrapy原理）

ccwgpt 2024-09-20 13:21 55 浏览 0 评论

一、新建一个分布式爬虫项目，并进入该项目创建爬虫文件

scrapy startproject fenbushi
cd fenbushi
scrapy genspider-t crawl fenbushipc www.xxx.com

二、修改配置文件settings

ROBOTSTXT_OBEY = False
LOG_LEVEL = 'ERROR'
USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36"

三、编写爬虫文件

1、指定要爬取的网址

start_urls = ["https://699pic.com/soso/-complex---------0--3-.html"]
rules = (Rule(LinkExtractor(allow=r'/soso/-complex---------0--\d+-\.html'), callback="parse_item", follow=True),)

2、获取图片的名称和详情页地址

标题列表=response.xpath('//*[@id="wrapper"]/div[4]/div/div')
for i in 标题列表:
   标题=i.xpath('./a/@title').extract_first()
   详情页=i.xpath('./a/@href').extract_first()

3、items添加字段

标题 = scrapy.Field()
地址 = scrapy.Field()

4、赋值给items对象

item对象=FenbushiItem()
item对象['标题']=标题
yield scrapy.Request(url=详情页,callback=self.详情页解析,meta={'ietm':item对象})
def 详情页解析(self,response):
    item=response.meta['item']
    图片地址=response.xpath('//*[@id="wrapper"]/div[2]/div[1]/div/div[1]/div[2]/div[1]/div/a/@href').extract_first()
    item['地址']=图片地址
    yield item

5、管道文件打印items对象

class FenbushiPipeline:
    def process_item(self, item, spider):
        print(item)
        return item

6、开启管道文件

ITEM_PIPELINES = {
   "fenbushi.pipelines.FenbushiPipeline": 300,
}

7、运行效果

相关推荐

一个基于.Net Core遵循Clean Architecture原则开源架构

今天给大家推荐一个遵循CleanArchitecture原则开源架构。项目简介这是基于Asp.netCore6开发的，遵循CleanArchitecture原则，可以高效、快速地构建基于Ra...

AI写代码翻车无数次，我发现只要提前做好这3步，bug立减80%

写十万行全是bug之后终于找到方法了开发"提示词管理助手"新版本那会儿，我差点被bug整崩溃。刚开始两周，全靠AI改代码架构，结果十万行程序漏洞百出。本来以为AI说没问题就稳了，结果...

OneCode低代码平台的事件驱动设计:架构解析与实践

引言：低代码平台的事件驱动范式在现代软件开发中，事件驱动架构（EDA）已成为构建灵活、松耦合系统的核心范式。OneCode低代码平台通过创新性的注解驱动设计，将事件驱动理念深度融入平台架构，实现了业务...

国内大厂AI插件评测:根据UI图生成Vue前端代码

在IDEA中安装大厂的AI插件，打开ruoyi增强项目：yudao-ui-admin-vue31.CodeBuddy插件登录腾讯的CodeBuddy后，大模型选择deepseek-v3，输入提示语：...

AI+低代码技术揭秘(二):核心架构

本文档介绍了为VTJ低代码平台提供支持的基本架构组件，包括Engine编排层、Provider服务系统、数据模型和代码生成管道。有关UI组件库和widget系统的信息，请参阅UI...

GitDiagram用AI把代码库变成可视化架构图

这是一个名为gitdiagram的开源工具，可将GitHub仓库实时转换为交互式架构图，帮助开发者快速理解代码结构。核心功能一键可视化：替换GitHubURL中的"hub...

30天自制操作系统:第六天:代码架构整理与中断处理

1.拆开bootpack.c文件。根据设计模式将对应的功能封装成独立的文件。2.初始化pic:pic(可编程中断控制器)：在设计上，cpu单独只能处理一个中断。而pic是将8个中断信号集合成一个中断...

AI写代码越帮越忙?2025年研究揭露惊人真相

近年来，AI工具如雨后春笋般涌现，许多人开始幻想程序员的未来就是“对着AI说几句话”，就能轻松写出完美的代码。然而，2025年的一项最新研究却颠覆了这一期待，揭示了一个令人意外的结果。研究邀请了16位...

一键理解开源项目:两个自动生成GitHub代码架构图与说明书工具

一、GitDiagram可以一键生成github代码仓库的架构图如果想要可视化github开源项目：https://github.com/luler/reflex_ai_fast，也可以直接把域名替换...

5分钟掌握 c# 网络通讯架构及代码示例

以下是C#网络通讯架构的核心要点及代码示例，按协议类型分类整理：一、TCP协议（可靠连接）1.同步通信//服务器端usingSystem.Net.Sockets;usingTcpListene...

从复杂到优雅:用建造者和责任链重塑代码架构

引用设计模式是软件开发中的重要工具，它为解决常见问题提供了标准化的解决方案，提高了代码的可维护性和可扩展性，提升了开发效率，促进了团队协作，提高了软件质量，并帮助开发者更好地适应需求变化。通过学习和应...

低代码开发当道，我还需要学习LangChain这些框架吗?| IT杂谈

专注LLM深度应用，关注我不迷路前两天有位兄弟问了个问题：当然我很能理解这位朋友的担忧：期望效率最大化，时间用在刀刃上，“不要重新发明轮子”嘛。铺天盖地的AI信息轰炸与概念炒作，很容易让人浮躁与迷茫。...

框架设计并不是简单粗暴地写代码，而是要先弄清逻辑

3.框架设计3.框架设计本节我们要开发一个UI框架，底层以白鹭引擎为例。框架设计的第一步并不是直接撸代码，而是先想清楚设计思想，抽象。一个一个的UI窗口是独立的吗？不是的，...

大佬用 Avalonia 框架开发的 C# 代码 IDE

AvalonStudioAvalonStudio是一个开源的跨平台的开发编辑器（IDE），AvalonStudio的目标是成为一个功能齐全，并且可以让开发者快速使用的IDE，提高开发的生产力。A...

轻量级框架Lagent 仅需20行代码即可构建自己的智能代理

站长之家（ChinaZ.com）8月30日消息:Lagent是一个专注于基于LLM模型的代理开发的轻量级框架。它的设计旨在简化和提高这种模型下代理的开发效率。LLM模型是一种强大的工具，可以...

取消回复欢迎 你 发表评论:

一周热门
最近发表
标签列表
赣ICP备2024040476号-14