基于scrapy-网络爬虫的入门实践

最新推荐文章于 2022-12-31 11:38:13 发布

大瑞大

最新推荐文章于 2022-12-31 11:38:13 发布

阅读量304

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_42882717/article/details/99966810

本文介绍了如何使用scrapy框架进行网络爬虫实践，目标是抓取quotes.toscrape.com网站上的名言及作者信息。步骤包括设置环境、创建scrapy项目、编写爬虫文件、启动爬虫、使用Selector提取数据，并通过正则表达式进一步处理。最终将爬取的数据保存为json文件，同时讨论了如何爬取二级页面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目的：爬取http://quotes.toscrape.com网站上的全部名言及其作者

一、把python加入环境变量

二、新建一个scrapy项目
在这里插入图片描述
三、建立第一个爬虫文件

import scrapy

class QuotesSpider(scrapy.Spider):
    name = "quotes"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1',
            'http://quotes.toscrape.com/page/2',
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'quotes-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Save file %s' % filename)

代码解析：