上传文章的网站,哈尔滨行业网站开发,广州网站建设策划书,福州市建设管理处网站配套视频可以前往B站#xff1a;麦麦大数据 项目目标: 爬取的是穷游旅游景点列表 、评论数据 #x1f4ca; 章节#xff1a; #x1f606; Scrapy 爬取旅游景点相关数据#xff08;一#xff09; #x1f606; Scrapy 爬取旅游景点相关数据#xff08;二#xff09; 麦麦大数据 项目目标: 爬取的是穷游旅游景点列表 、评论数据 章节 Scrapy 爬取旅游景点相关数据一 Scrapy 爬取旅游景点相关数据二 Scrapy 爬取旅游景点相关数据三 Scrapy 爬取旅游景点相关数据四 Scrapy 爬取旅游景点相关数据五 Scrapy 爬取旅游景点相关数据六 Scrapy 爬取旅游景点相关数据七 [Scrapy 爬取旅游景点相关数据八] 涉及技术 scrapy、 selenium、 mysql 、pandas 等 scrapy 爬虫相关 爬虫、中间件、管道、代理、指纹等 完成效果 ✅ 爬取日本景点数据 7000 包含东京、大阪、横滨、札幌、名古屋、神户、京都、奈良等城市 ✅ 爬取景点评论数据 爬取中 后续课程
请关注 vue旅游数据分析系统【实战项目】 使用本项目爬取的旅游数据进行数据分析与可视化目前课程还在更新中敬请关注
Scrapy 练习爬取穷游旅游景点一
0 系统的环境
现在网上可以找到很多scrapy版本的视频或者代码为避免混淆下面列出本文开发过程中使用的软件版本。 scrapy 和 selenium 新版本和老版都改了不少东西所以在查问题的时候务必看下版本很多老的文章中的源码都已经无法正常运行了。
python 3.9# python 依赖
scrapy2.11.2
selenium4.23.11 创建项目
scrapy startproject tutorial2scrapy genspider 爬虫名字 允许的域名
# 实际命令
scrapy genspider qiongyou qyer.com2 编写爬虫
class QiongyouSpider(scrapy.Spider):name qiongyouallowed_domains [qyer.com]start_urls [https://place.qyer.com/tokyo/sight/]def parse(self, response):# 定义对网站的操作 (保存HTMLwith open(japan.html, wb) as f:f.write(response.body)
3 执行爬虫
scrapy crawl qiongyou直接执行是报错503的要启用下载中间件模块增加user-agent就可以爬取了。
4 修改settings.py配置激活下载中间件我这边在中间件middlewares.py 中增加了一个随机的user-agent头。
DOWNLOADER_MIDDLEWARES {tutorial2.middlewares.Tutorial2DownloaderMiddleware: 543,
}def process_request(self, request, spider):# Called for each request that goes through the downloader# middleware.# Must either:# - return None: continue processing this request# - or return a Response object# - or return a Request object# - or raise IgnoreRequest: process_exception() methods of# installed downloader middleware will be calleduser_agent_list [Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50,Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50,Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;,Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0),Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1),Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1,Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1,Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11,Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11,Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11,Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser),Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1),Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5,Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5,Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5,Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1,MQQBrowser/26 Mozilla/5.0 (Linux; U; Android 2.3.7; zh-cn; MB200 Build/GRJ22; CyanogenMod-7) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1,Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10,Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13,Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1 (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1,Mozilla/5.0 (hp-tablet; Linux; hpwOS/3.0.0; U; en-US) AppleWebKit/534.6 (KHTML, like Gecko) wOSBrowser/233.70 Safari/534.6 TouchPad/1.0,Mozilla/5.0 (SymbianOS/9.4; Series60/5.0 NokiaN97-1/20.0.019; Profile/MIDP-2.1 Configuration/CLDC-1.1) AppleWebKit/525 (KHTML, like Gecko) BrowserNG/7.1.18124,Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan),UCWEB7.0.2.37/28/999,NOKIA5700/ UCWEB7.0.2.37/28/999,Openwave/ UCWEB7.0.2.37/28/999,Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999,UCWEB7.0.2.37/28/999,NOKIA5700/ UCWEB7.0.2.37/28/999,Openwave/ UCWEB7.0.2.37/28/999,Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999]request.headers[User-Agent] random.choice(user_agent_list)return None执行第3步的命令 根据下载下来的japan.html可以看到确实可以看到景点数据。
5 问题
然后查看翻页机制发现这个页面的翻页是通过js加载数据动态实现的因此需要研究其他手段例如结合scrapy selenium才能有效爬取后续页面的数据。
