自己做抽奖网站违法吗/seo网站优化策划书
安装scrapy
因为用的是anaconda，所以直接pip install scrapy就成功了。如果不成功可以pip install lxml先,可以查看下版本
scrapy --version
Scrapy 1.7.1 - project: tutorial
scrapy组件和流程
一个简单的项目实例（爬猫眼电影排行）
用终端创建，cd到你放scrapy项目的文件夹，然后开始项目maoyan是你的项目名，自己取名
scrapy startproject maoyan
项目结构
文件 功能
scrapy.cfg 配置文件
spiders 存放你Spider文件，也就是你爬取的py文件
items.py文件 相当于一个容器，和字典较像
middlewares.py文件 定义Downloader Middlewares(下载器中间件)和Spider Middlewares(蜘蛛中间件)的实现
pipelines.py文件 定义Item Pipeline的实现，实现数据的清洗，储存，验证。
settings.py文件 全局配置
分析要爬取的网页和内容
要爬取的网址是’https://maoyan.com/board/4?offset=0’ 然后往后的十个网页，写成列表
然后是要爬取的内容：电影名、评分、主演等
创建一个spider
属性或方法 作用
name 是项目的名字
allowed_domains 是允许爬取的域名，比如一些网站有相关链接，域名就和本网站不同，这些就会忽略。
start_urls 要访问的地址列表，和start_requests方法只需要定义一个，都是调用parse方法解析
start_requests方法 由此方法通过下面链接爬取页面
parse方法 是Spider的一个方法，在请求start_url后，之后的方法，这个方法是对网页的解析，与提取自己想要的东西。
response参数 是请求网页后返回的内容，也就是你需要解析的网页。
import scrapyclass MySpider(scrapy.Spider):name = 'maoyan' # 项目名allowed_domains = ['maoyan.com'] # 允许访问的域名def start_requests(self):url_list = []for i in range(0,10):url_list.append('https://maoyan.com/board/4?offset='+str(i))# 定义爬取的链接urls = url_listfor url in urls:# 爬取到的页面如何处理？提交给parse方法处理yield scrapy.Request(url=url, callback=self.parse)def parse(self, response):pass
定义需要的item
item是保存爬取数据的容器，使用的方法和字典差不多。
我们打开items.py文件，之后我们想要提取的信息有：
index(排名)、title(电影名)、star(主演)、releasetime(上映时间)、score(评分)
class MaoyanItem(scrapy.Item):# define the fields for your item here like:# name = scrapy.Field()index = scrapy.Field()title = scrapy.Field()star = scrapy.Field()releasetime = scrapy.Field()score = scrapy.Field()
然后修改spider的方法来获取信息
from maoyan.items import MaoyanItem
...def parse(self, response):'''start_requests已经爬取到页面，那如何提取我们想要的内容呢？那就可以在这个方法里面定义。1、定义链接；2、通过链接爬取（下载）页面；3、定义规则，然后提取数据；'''# 这里用的css选择查找信息，也可以用xpathdl = response.css('.board-wrapper dd')for dd in dl:item = MaoyanItem()# extract()[0]等同于extract_first()item['index'] = dd.css('.board-index::text').extract_first()item['title'] = dd.css('.name a::text').extract_first()# strip方法是去除空格和换行符item['star'] = dd.css('.star::text').extract_first().strip()item['releasetime'] = dd.css('.releasetime::text').extract_first()item['score'] = dd.css('.integer::text').extract_first()+dd.css('.fraction::text').extract_first()yield item...
运行并保存
这样就写完了一个简单的项目，运行即可:
在终端的当前文件夹下输入：scrapy crawl maoyan(项目的名字)
这样只运行了代码，并没有保存，保存有多种方式
-o maoyan.csv或者-o maoyan.xml或者-o maoyan.json
设置编码格式 -s FEED_EXPORT_ENCODING=UTF8
选择csv(表格)格式保存看看:scrapy crawl maoyan -o maoyan.csv -s FEED_EXPORT_ENCODING=UTF8
找到文件并打开：
