pyspider示例代码官方网站是http://demo.pyspider.org/。上面的示例代码太多,无从下手。因此本人找出一下比较经典的示例进行简单讲解,希望对新手有一些帮助。
示例说明:
pyspider爬取的内容通过回调的参数response返回,response有多种解析方式。
1、response.json用于解析json数据
2、response.doc返回的是PyQuery对象
3、response.etree返回的是lxml对象
4、response.text返回的是unicode文本
5、response.content返回的是字节码
本示例主要是利用response.json解析返回的json数据。其他返回类型示例见后续文章。
使用方法:
示例代码:
#!/usr/bin/env python # -*- encoding: utf-8 -*- # Created on 2016-06-21 13:57:13 # Project: duitang from pyspider.libs.base_handler import * class Handler(BaseHandler): crawl_config = { } @every(minutes=24 * 60) def on_start(self): self.crawl(‘http://www.duitang.com/napi/friendship/fans/?start=0&limit=1000&user_id=116965‘, callback=self.index_page) @config(age=10 * 24 * 60 * 60) def index_page(self, response): for each in response.json[‘data‘][‘object_list‘]: id = each[‘id‘] self.crawl(‘http://www.duitang.com/napi/friendship/fans/?start=0&limit=1000&user_id=‘+str(id), callback=self.index_page) self.crawl(‘http://www.duitang.com/napi/people/profile/?user_id=‘+str(id), callback=self.detail_page) start = response.json[‘data‘][‘next_start‘] total = response.json[‘data‘][‘total‘] user = response.json[‘data‘][‘visit_user‘][‘user_id‘] if start < total: self.crawl(‘http://www.duitang.com/napi/friendship/fans/?start=‘+str(start)+‘&limit=1000&user_id=‘+str(user),callback=self.index_page) @config(priority=2) def detail_page(self, response): return { "username": response.json[‘data‘][‘username‘], "id": response.json[‘data‘][‘id‘] }
本文摘自:https://www.cnblogs.com/shiluoliming/p/8394983.html
原文地址:https://www.cnblogs.com/weiyiyong/p/9614482.html
时间: 2024-10-11 01:17:31