使用Scrapy爬取动态数据
对于动态数据的爬取,可以选择selenium
和PhantomJS
两种方式,本文选择的是PhantomJS。
网址:
1.首先第一步,对中间件的设置。
进入pipelines.py
文件中:
from selenium import webdriver from scrapy.http.response.html import HtmlResponse from scrapy.http.response import Response class SeleniumSpiderMiddleware(object): def __init__(self): self.driver = webdriver.PhantomJS() def process_request(self ,request ,spider): # 当引擎从调度器中取出request进行请求发送下载器之前 # 会先执行当前的爬虫中间件 ,在中间件里面使用selenium # 请求这个request ,拿到动态网站的数据 然后将请求 # 返回给spider爬虫对象 if spider.name == 'taobao': # 使用爬虫文件的url地址 spider.driver.get(request.url) for x in range(1 ,12 ,2): i = float(x) / 11 # scrollTop 从上往下的滑动距离 js = 'document.body.scrollTop=document.body.scrollHeight * %f' % i spider.driver.execute_script(js) response = HtmlResponse(url=request.url, body=spider.driver.page_source, encoding='utf-8', request=request) # 这个地方只能返回response对象,当返回了response对象,那么可以直接跳过下载中间件,将response的值传递给引擎,引擎又传递给 spider进行解析 return response
在设置中,要将middlewares
设置打开。
进入settings.py
文件中,将
DOWNLOADER_MIDDLEWARES = { 'taobaoSpider.middlewares.SeleniumSpiderMiddleware': 543, }
打开。
2.第二步,爬取数据
回到spider爬虫文件中。
引入:
from selenium import webdriver
自定义属性:
def __init__(self): self.driver = webdriver.PhantomJS()
查找数据和分析数据:
def parse(self, response): div_info = response.xpath('//div[@class="info-cont"]') print(div_info) for div in div_info: title = div.xpath('.//div[@class="title-row "]/a/text()').extract_first('') # title = self.driver.find_element_by_class_name("title-row").text print('名称:', title) price = div.xpath('.//div[@class="sale-row row"]/div/span[2]/strong/text()').extract_first('')
3.第三步,传送数据到item中:
在item.py
文件中:
name = scrapy.Field() price = scrapy.Field()
回到spider.py
爬虫文件中:
引入:
from ..items import TaobaospiderItem
传送数据:
#创建实例化对象。
item = TaobaospiderItem() item['name'] = title item['price'] = price yield item
在设置中,打开:
ITEM_PIPELINES = { 'taobaoSpider.pipelines.TaobaospiderPipeline': 300, }
4.第四步,写入数据库:
进入管道文件中。
引入
import sqlite3 写入数据库的代码如下: class TaobaospiderPipeline(object): def __init__(self): self.connect = sqlite3.connect('taobaoDB') self.cursor = self.connect.cursor() self.cursor.execute('create table if not exists taobaoTable (name text,price text)') def process_item(self, item, spider): self.cursor.execute('insert into taobaoTable (name,price)VALUES ("{}","{}")'.format(item['name'],item['price'])) self.connect.commit() return item def close_spider(self): self.cursor.close() self.connect.close()
在设置中打开:
ITEM_PIPELINES = { 'taobaoSpider.pipelines.TaobaospiderPipeline': 300, }
因为在上一步,我们已经将管道传送设置打开,所以这一步可以不用重复操作。
然后运行程序,打开数据库查看数据。
至此,程序结束。
下附spider爬虫文件所有代码:
# -*- coding: utf-8 -*- import scrapy from selenium import webdriver from ..items import TaobaospiderItem class TaobaoSpider(scrapy.Spider): name = 'taobao' allowed_domains = ['taobao.com'] start_urls = ['https://s.taobao.com/search?q=%E7%AC%94%E8%AE%B0%E6%9C%AC%E7%94%B5%E8%84%91&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306'] def __init__(self): self.driver = webdriver.PhantomJS() def parse(self, response): div_info = response.xpath('//div[@class="info-cont"]') print(div_info) for div in div_info: title = div.xpath('.//div[@class="title-row "]/a/text()').extract_first('') print('名称:', title) price = div.xpath('.//div[@class="sale-row row"]/div/span[2]/strong/text()').extract_first('') item = TaobaospiderItem() item['name'] = title item['price'] = price yield item def close(self,reason): print('结束了',reason) self.driver.quit()
关于scrapy的中文文档:http://scrapy-chs.readthedocs.io/zh_CN/latest/faq.html
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接
- python使用scrapy发送post请求的坑
- Python爬虫框架scrapy实现downloader_middleware设置proxy代理功能示例
- Python爬虫框架scrapy实现的文件下载功能示例
- python爬虫框架scrapy实现模拟登录操作示例
- Python下使用Scrapy爬取网页内容的实例
- Centos7 Python3下安装scrapy的详细步骤
- 浅析python实现scrapy定时执行爬虫
- Python使用Scrapy爬虫框架全站爬取图片并保存本地的实现代码
- python3使用scrapy生成csv文件代码示例
- Python:Scrapy框架中Item Pipeline组件使用详解
- Python之Scrapy爬虫框架安装及简单使用详解
相关文章
用Python删除本地目录下某一时间点之前创建的所有文件的实例
下面小编就为大家分享一篇用Python删除本地目录下某一时间点之前创建的所有文件的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2017-12-12Django Rest Framework构建API的实现示例
本文主要介绍了Django Rest Framework构建API的实现示例,包含环境设置、数据序列化、视图与路由配置、安全性和权限设置、以及测试和文档生成这几个步骤,具有一定的参考价值,感兴趣的可以了解一下2024-08-08From CSV to SQLite3 by python 导入csv到sqlite实例
今天小编就为大家分享一篇From CSV to SQLite3 by python 导入csv到sqlite实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02python数据分析之聚类分析(cluster analysis)
聚类分析本身不是一个特定的算法,而是要解决的一般任务。它可以通过各种算法来实现,这些算法在理解群集的构成以及如何有效地找到它们方面存在显着差异。这篇文章主要介绍了python数据分析之聚类分析(cluster analysis),需要的朋友可以参考下2021-11-11
最新评论