使用scrapy框架 爬取辽宁信息网

流程如下

  • 爬虫文件中,也就是执行scrapy genspider 爬虫名 域名 后建的py文件

  •   # -*- coding: utf-8 -*-
      import scrapy
      from ..items import LnzbItem
      
      class LnzxzbSpider(scrapy.Spider):
          name = 'lnzxzb'
          # allowed_domains = ['baidu.com']
          start_urls = ['http://www.lnzxzb.cn/gcjyxx/004001/%s.html'%page for page in range(2,101)]
      
          def parse(self, response):
              # print(response)
              li_list = response.xpath('//ul[@id="showList"]/li')
              # print(li_list)
              for li in li_list:
                  title = li.xpath('./p/a/@title').extract_first()
                  date = li.xpath('./span/text()').extract_first()
                  # print(title)
                  # print(date)
                  # print('-'*50)
                  item = LnzbItem()
                  item['title'] = title
                  item['date'] = date
                  yield item
    
    
  • 管道文件中,pipelines.py

import pymongo

class LnzbPipeline(object):
    conn = pymongo.MongoClient('localhost',27017)
    db = conn.mm
    table = db.lnzxzb
    def process_item(self, item, spider):
        self.table.insert_one(dict(item))
        return item
  • items 文件中
import scrapy


class LnzbItem(scrapy.Item):
    # define the fields for your item here like:
    title = scrapy.Field()
    date = scrapy.Field()
  • settings配置文件中需要把管道注释打开、UA检测打开,是否遵循robots协议关闭
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值