1、先建立爬虫项目
1)进入目标目录:cd 目标目录
2)建立项目:scrapy startproject 爬虫项目名称
3)进入爬虫项目目录,cd 爬虫项目所在的文件夹
4)建立爬虫:scrapy genspider 爬虫名称 网址
具体可参考豆瓣的爬虫博文。
2、编写爬虫程序
有五个注意和修改的地方:
1)编写spider程序,我的案例是spider的test.py的文件中
2)新建一个一个去重url的类duplication.py,并需要在settings.py中导入
3)修改items.py
4)修改pipeline.py,并需要在settings.py中导入
5)编写运行爬虫的程序,我的是runspider.py
6)对应的修改settings.py:导入去重类、pipline类、设置DEPTH_LIMIT
完整的项目目录如下:
1)爬虫文件test.py的程序,如下:主要是注意跳转下一页的用法。
2)新建duplication.py的程序,如下:
3)修改items.py的程序,如下:
4)修改pipelines.py的程序,比如写了两个pipline,一个保存到text文件,一个保存到csv中,如下:
text的pipline程序如下:
也可以保存在csv中,如下程序:
5)编写运行爬虫的程序,我的是runspider.py,如下:
6)对应的修改settings.py:导入去重类、pipline类、设置DEPTH_LIMIT
导入去重类:
pipeline类:
设置DEPTH_LIMIT:
7)执行出来的文件如下所示:
如果觉得《Python爬虫案例2:获取抽屉网页所有的新闻标题并保存到csv》对你有帮助,请点赞、收藏,并留下你的观点哦!