Scrapy的安装：
当前环境win10，python_3.6.4，64bit。在命令提示符窗口运行pip install Scrapy，出现以下结果：
building ‘twisted.test.raiser‘ extension error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools": http://landinghub.visualstudio.com/visual-cpp-build-tools
按报错提示安装之后错误依旧存在；
http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted> 下载Twisted对应版本的whl文件，cp后面是python版本，amd64代表64位，重新运行pip install命令：
pip install C:\Users\E5-573G\Desktop\2018寒假\Python\爬虫\scrapy\Twisted-17.5.0-cp36-cp36m-win_amd64.whl1
其中install后面为下载的whl文件的完整路径名 。
然后再次运行 pip install scrapy 命令即可安装成功。
Scrapy命令行格式：
Scrapy常用命令：
应用Scrapy爬虫框架主要是编写配置型代码。
Scrapy的第一个实例：演示HTML地址。
演示HTML页面地址：http://python123.io/ws/demo.html
文件名称：demo.html
产生步骤：
步骤1：建立一个Scrapy爬虫工程；
选取一个目录(C:\Users\E5-573G\Desktop\2018寒假\Python\爬虫\scrapy)，然后执行如下命令：
生成的工程目录：
python123demo/ ——————— 外层目录
? scrapy.cfg ——————— 部署Scrapy爬虫的配置文件
? python123demo/ ——————— Scrapy框架的用户自定义python代码
? init.py ——————— 初始化脚本
? items.py ——————— Items代码模板(继承类)
? middlewares.py ————— Middlewares代码模块(继承类)
? pipelines.py ————— Pipelines.py代码模块(继承类)
? settings.py ————— Scrapy爬虫的配置文件
? spiders/ ————— Spiders代码模块目录(继承类)
目录结构 pycache/ ————— 缓存目录，无需修改
? spiders/ ————— Spiders代码模块目录(继承类)
? init.py ————— 初始化脚本
? pycache/ ————— 缓存目录，无需修改
内层目录结构 用户自定义的spider代码增加在此处
步骤2：在工程中产生一个Scrapy爬虫
进入工程目录(C:\Users\E5-573G\Desktop\2018寒假\Python\爬虫\scrapy\python123demo)。然后执行如下命令：
该命令行作用：
生成一个名称为demo的spider
在spiders目录下增加代码文件demo.py
#demo.py
# -*- coding : utf-8 -*-
import scrapy
?
class DemoSpider(scrapy.Spider) :
name = "demo"
allowed_domains = ["python123.io"]
start_urls = [‘heep://python123.io/‘]
?
def parse (self,response):
#parse()用于处理响应，解析内容形成字典，发现新的URL爬取请求
pass
步骤3：配置产生spider爬虫
? 配置：(1)初始URL地址 (2)获取页面后的解析方式
#demo1.py
# -*- coding : utf-8 -*-
import scrapy
?
class DemoSpider(scrapy.Spider) :
name = "demo"
# allowed_domains = ["python123.io"] #可选
start_urls = [‘heep://python123.io/ws/demo.html‘]
?
def parse (self,response):
#parse()用于处理响应，解析内容形成字典，发现新的URL爬取请求
fname = response.url.split(‘/‘)[-1]
with open (fname,‘wb‘) as f:
f.write(response.body)
self.log(‘Saved file %s.‘ % fname)
步骤4：运行爬虫，获取网页
在命令行，执行如下命令：
demo爬虫被执行，捕获页面存储在demo.html
回顾demo.py代码
#demo.py
# -*- coding : utf-8 -*-
import scrapy
?
class DemoSpider(scrapy.Spider) :
name = "demo"
start_urls = [‘heep://python123.io/ws/demo.html‘]
?
def parse (self,response):
#parse()用于处理响应，解析内容形成字典，发现新的URL爬取请求
fname = response.url.split(‘/‘)[-1]
with open (fname,‘wb‘) as f:
f.write(response.body)
self.log(‘Saved file %s.‘ % fname)
demo.py代码的完整版本
#demo all.py
import scrapy
?
class DemoSpider(scrapy.Spider) :
name = "demo"
?
def start_urls(self):
urls= [‘heep://python123.io/ws/demo.html‘]
for url in urls:
yield scrapy.Request(url = url,callback = self.parse)
def parse (self,response):
#parse()用于处理响应，解析内容形成字典，发现新的URL爬取请求
fname = response.url.split(‘/‘)[-1]
with open (fname,‘wb‘) as f:
f.write(response.body)
self.log(‘Saved file %s.‘ % fname)
yield关键字的作用
yield <---------->生成器：包含yield语句的函数是一个生成器；
生成器每次产生一个值(yield语句)，函数被冻结，被唤醒后在产生一个值。生成器是一个不断产生值的函数。
生成器每调用一次在yield位置产生一个值，直到函数执行结束。
生成器相比一次列出所有内容的优势：
? 更节省存储空间；
? 响应更迅速；
? 使用更灵活；
Scrapy爬虫的使用步骤：
? 步骤1：创建一个工程和Spider模板；
? 步骤2：编写Spider
? 步骤3：编写Item Pipeline
? 步骤4：优化配置策略
Scrapy爬虫的数据类型：
? Request类、Response类、Item类
Request类：class scrapy.http.Request()
? Request对象表示一个HTTP请求，由Spider生成，由Downloader执行。
Response类：class scrapy.http.Response()
? Response对象表示一个HTTP响应由Downloader生成，由Spider处理。
Item类： class scrapy.item.Item()
Item对象表示一个从HTML页面中提取的信息内容；由Spider生成，由Item Pipeline处理，Item类似字典类型，可以按照字典类型操作。
Scrapy爬虫提取信息的方法：
scrapy爬虫支持多种HTML信息提取方法：Beautiful Scoop、lxml、re、XPath Selector、CSS Selector
CSS Selector的基本使用：
CSS Selector由W3C组织维护并规范。
”股票数据Scrapy爬虫”实例介绍
功能描述:
目标：获取上交所和深交所所有股票的名称和交易信息
输出：保存到文件中
? 技术路线：scrapy
数据网站的确定
获取股票列表：
东方财富网：http://quote.easymoney.com/stocklist.html
获取个股信息：
百度股票：http://gupiao.baidu.com/stock/
单个股票：http://gupiao.baidu..com/stock/sz002439.html
编写spider处理链接爬取和页面解析，编写pipelines处理信息存储
步骤：
? 步骤1：创建工程和Spider模板；
>scrapy startproject BaiduStocks
>cd BaiduStocks
>scrapy genspider stocks baidu.com
进一步修改spiders/stock.py文件
? 步骤2：编写Spider
配置stocks.py文件
修改对返回页面的处理
修改对新增URL爬取请求的处理
? 步骤3：编写Item Pipeline
原文地址：https://www.cnblogs.com/ST-2017/p/8447518.html