scrapy项目3中已经对网页规律作出解析,这里用crawlspider类对其内容进行爬取;
项目结构与项目3中相同如下图,唯一不同的为book.py文件
crawlspider类的爬虫文件book的生成命令为:scrapy genspider -t crawl book ‘category.dangdang.com‘
book.py代码如下:
# -*- coding: utf-8 -*- import scrapy # 创建用于提取响应中连接的对象 from scrapy.linkextractors import LinkExtractor # Rule 用于发送从 LinkExtractor 中提取的连接 from scrapy.spiders import CrawlSpider, Rule from dangdang05.items import Dangdang05Item class BookSpider(CrawlSpider): name = ‘book‘ allowed_domains = [‘category.dangdang.com‘] start_urls = [‘http://category.dangdang.com/cp01.54.12.00.00.00.html‘] # 提取连接信息,并将提取到的向提取到的url发送请求,调用回调函数处理请求 # 注意follow表示是否继续对response中的连接进行提取,True表示提取,False表示不再提取 # 当未指定回调函数时,follow的默认值为True,当指定回调函数时follow的默认值为False rules = [Rule(LinkExtractor(allow=r‘/pg\d+-cp01.54.12.00.00.00.html‘),callback=‘parse_item‘,follow=True)] def parse_item(self, response): # 实例化items中的类 item = Dangdang05Item() # 网页解析第一步,返回selector对对象 book_list = response.xpath(‘//ul[@class="bigimg"]/li‘) for book_info in book_list: # 书籍名称 item[‘name‘] = book_info.xpath(‘./p[@class="name"]/a/@title‘).extract()[0] # 书籍价格 item[‘price‘] = book_info.xpath(‘./p[@class="price"]/span[1]/text()‘).extract()[0] yield item
原文地址:https://www.cnblogs.com/houzichiguodong/p/9129376.html
时间: 2024-11-05 21:44:17