邢台学校网站建设费用,没有网站可以做seo排名吗,深圳建网站公司,个人博客Scrapy 是用 Python 实现的一个为了爬取网站数据、提取结构性数据而编写的应用框架。
安装scrapy pip install scrapy2.5.0 1.新建 Scrapy项目 scrapy startproject mySpider # 项目名为mySpider 2.进入到spiders目录 cd mySpider/mySpider/spiders 3.创建爬虫 scrapy gensp…Scrapy 是用 Python 实现的一个为了爬取网站数据、提取结构性数据而编写的应用框架。
安装scrapy pip install scrapy2.5.0 1.新建 Scrapy项目 scrapy startproject mySpider # 项目名为mySpider 2.进入到spiders目录 cd mySpider/mySpider/spiders 3.创建爬虫 scrapy genspider dgcuAI ai.dgcu.edu.cn # 爬虫名为dgcuAI爬取域为ai.dgcu.edu.cn 4.制作爬虫
创建爬虫之后打开dgcuAI.py文件。
引入Selector from scrapy.selector import Selector 修改start_urls start_urls [http://ai.dgcu.edu.cn/front/category/2.html] 修改parse函数 def parse(self, response): print(response.url) selector Selector(response) # # 使用XPath表达式提取信息 # 标题 //div[classpageList]/ul/li/a/div[classmajor-content1]/text() # 链接 //div[classpageList]/ul/li/a/href # 日期 //div[classpageList]/ul/li/a/div[classmajor-content2]/text() node_list selector.xpath(//div[classpageList]/ul/li) for node in node_list: # 文章标题 title node.xpath(./a[1]/div[classmajor-content1]/text()).extract_first() # 文章链接 url node.xpath(./a[1]/href).extract_first() # 日期 date node.xpath(./a[1]/div[classmajor-content2]/text()).extract_first() print(文章标题:, title) print(文章链接:,url) print(日期:,date) 5.运行爬虫 在mySpider/mySpider/文件夹下创建run.py文件并运行 from scrapy import cmdline cmdline.execute(scrapy crawl dgcuAI -s LOG_ENABLEDFalse.split()) 其中“-s LOG_ENABLEDFalse ”表示不打印日志信息若代码运行有错误则需要“-s LOG_ENABLEDTrue ”这样就能在控制台看到错误信息。
运行结果
