Python怎么爬取一些简单的论坛、帖子、网页
这篇文章主要讲解了“Python怎么爬取一些简单的论坛、帖子、网页”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Python怎么爬取一些简单的论坛、帖子、网页”吧!
创新互联凭借专业的设计团队扎实的技术支持、优质高效的服务意识和丰厚的资源优势,提供专业的网站策划、成都网站建设、成都网站制作、网站优化、软件开发、网站改版等服务,在成都10多年的网站建设设计经验,为成都上千家中小型企业策划设计了网站。
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
感谢各位的阅读,以上就是“Python怎么爬取一些简单的论坛、帖子、网页”的内容了,经过本文的学习后,相信大家对Python怎么爬取一些简单的论坛、帖子、网页这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!
网站题目:Python怎么爬取一些简单的论坛、帖子、网页
网站路径:http://pwwzsj.com/article/pehpeh.html