Python Scrapy 自动爬虫注意细节(2)

一、自动爬虫的创建,需要指定模版

如:

 scrapy genspider -t crawl stockinfo quote.eastmoney.com

crawl : 爬虫模版

stockinfo :爬虫名称,后续敲命令执行爬虫需要输入的

quote.eastmoney.com :起始网址

通过 scrapy genspider -l 查看可用模版

 

二、settings、items、pipeline、spider的执行顺序

 settings--->items---->spider<---->pipeline,即第一次从settings读取爬虫配置,创建需要处理的数据项,根据starturl来启动爬虫,爬取到数据后,发送给管道处理数据(或放到文件中、或存到数据库)

 

 

 

三、页面过滤规则

这一步错误,很容易漏掉网址,通过在parse_item函数中输出response.url跟踪是否有遗漏的网页

如:print(response.url)

四、指定起始页

1、starts_urls数据

2、start_requests函数

 

posted @   咸鱼翻身  阅读(1597)  评论(0编辑  收藏  举报
编辑推荐:
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
阅读排行:
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库
点击右上角即可分享
微信分享提示