摘要：
CrawlSpider就是爬虫类Spider的一个子类 使用流程 1. 创建一个基于CrawlSpider的一个爬虫文件 :scrapy genspider t crawl spider_name www.xxx.com 2. 构造链接提取器和规则解析器 链接提取器: 作用:可以根据指定的规则进行指 阅读全文
摘要：
下载中间件的应用 scrapy中间件有: 爬虫中间件，下载中间件 下载中间件应用较多 下载中间件： 作用：批量拦截请求和响应 拦截请求： UA伪装：将所有的请求尽可能多的设定成不同的请求载体身份标识 request.headers['User Agent'] = 'xxx' 代理操作：request 阅读全文
摘要：
提高scrapy爬取效率配置 阅读全文
摘要：
请求传参实现深度爬取 请求传参： 实现深度爬取：爬取多个层级对应的页面数据 使用场景：爬取的数据没有在同一张页面中 在手动请求的时候传递item：yield scrapy.Request(url,callback,meta={'item':item}) 将meta这个字典传递给callback 在c 阅读全文
摘要：
scrapy 图片数据的爬取 基于scrapy进行图片数据的爬取: 在爬虫文件中只需要解析提取出图片地址，然后将地址提交给管道 配置文件中写入文件存储位置：IMAGES_STORE = './imgsLib' 在管道文件中进行管道类的制定： 1.from scrapy.pipelines.image 阅读全文
摘要：
1.scrapy框架 1.1 安装scrapy 1. pip3 install wheel 2. 下载twisted http://www.lfd.uci.edu/~gohlke/pythonlibs/ twisted 3. 进入下载目录，执行 pip3 install Twisted‑17.1.0 阅读全文
摘要：
一.什么是Scrapy？ Scrapy是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，非常出名，非常强悍。所谓的框架就是一个已经被集成了各种功能（高性能异步下载，队列，分布式，解析，持久化等）的具有很强通用性的项目模板。对于框架的学习，重点是要学习其框架的特性、各个功能的用法即可。 二.安装 阅读全文
摘要：
1 栈 栈的分析与应用： 分析：和栈相关的最有用的想法之一来自对它的观察。假设从一个干净的桌面开始，现在把书一本本叠起来，你在构造一个栈。考虑下移除一本书会发生什么。移除的顺序跟刚刚被放置的顺序相反。栈之所以重要是因为它能反转项的顺序。插入跟删除顺序相反。 应用：每个 web 浏览器都有一个返回按钮 阅读全文
摘要：
xpath 解析 模块安装 : pip install lxml xpath的解析原理 实例化一个etree类型的对象,且将页面源码数据加载到该对象中 需要调用该对象的xpath方法结合着不同形式的xpath表达式进行标签定位和数据提取 etree对象的实例化 etree.parse(fileNan 阅读全文
摘要：
1.数据解析 解析: 根据指定的规则对数据进行提取 作用: 实现聚焦爬虫 数据解析方式 : 数据解析的通用原理 : 数据解析需要作用在页面源码中(一组html标签组成的) 通用原理: 标签定位 获取文本或者属性 正则表达式实现数据解析 2.bs4 解析模块 模块安装 : pip install bs 阅读全文