crawlspider示例和登录

简介: 创建crawlspiderscrapy startproject wxappcd wxappscrapy genspider -t crawl wxappspider www.
  • 创建crawlspider
scrapy startproject wxapp
cd wxapp
scrapy genspider -t crawl wxappspider www.wxapp-union.com

wxappspider.py文件中:

# -*- coding: utf-8 -*-

'''微信小程序教程页面全部爬取'''
import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from wxapp.items import WxappItem

class WxappSpiderSpider(CrawlSpider):
    name = 'wxapp_spider'
    allowed_domains = ['wxapp-union.com']
    start_urls = ['http://www.wxapp-union.com/portal.php?mod=list&catid=2&page=1']

    rules = (
        # 提取列表页,不用调用回调函数,因为列表页没有什么要爬的
        Rule(LinkExtractor(allow=r'.*?page=\d'), follow=True),
        # 提取具体详情页,调用回调函数,解析具体字段,不继续跟进爬取
        Rule(LinkExtractor(allow=r'.*?article-.*?\.html'),callback='parse_item',follow=False)
    )

    def parse_item(self, response):
        item = WxappItem()
        title = response.xpath('//h1[@class="ph"]/text()').extract()
        item['title'] = title
        yield item

pipelines.py文件中:


from scrapy.exporters import JsonLinesItemExporter

# 保存json文件中
class WxappPipeline(object):
    def __init__(self):
        self.file = open('wxapp.json','wb',)
        self.exporter = JsonLinesItemExporter(self.file,ensure_ascii=False,encoding='utf-8')
    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

    def close_spider(self,item,spider):
        self.file.close()

item.py更改的地方:

ROBOTSTXT_OBEY = False
DOWNLOAD_DELAY = 1
DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
    'Referer': 'http://www.wxapp-union.com/article-4527-1.html'
}
ITEM_PIPELINES = {
   'wxapp.pipelines.WxappPipeline': 300,
}

登录


'''登陆人人网
重写start_requests方法来实现登录'''

import scrapy


class RenrenSpider(scrapy.Spider):
    name = 'zhihu'
    allowed_domains = ['www.renren.com']
    start_urls = ['http://www.renren.com/']

    def start_requests(self):
        url= 'http://www.renren.com/PLogin.do'
        data = {
            'email':'','password':''
        }
        yield scrapy.FormRequest(url,formdata=data,callback=self.parse)


    def parse(self, response):
        pass
目录
相关文章
|
2月前
|
网络性能优化 调度 网络虚拟化
配置HQoS示例
HQoS简介 HQoS通过多级队列进一步细化区分业务流量,对多个用户、多种业务等传输对象进行统一管理和分层调度,在现有的硬件环境下使设备具备内部资源的控制策略,既能够为高级用户提供质量保证,又能够从整体上节约网络建设成本。 交换机的HQoS主要通过流队列和用户队列实现。
|
10月前
|
JavaScript 数据安全/隐私保护
某易云音乐登录参数分析
某易云音乐登录参数分析
54 0
|
12月前
|
Shell 开发工具 数据安全/隐私保护
写一个批量创建10个用户的脚本users.sh。创建的用户名由字母和数字组成。设置用户的初始密码跟用户名相同,每创建一个用户就显示用户的ID信息,再显示用户名、密码信息。
写一个批量创建10个用户的脚本users.sh。创建的用户名由字母和数字组成。设置用户的初始密码跟用户名相同,每创建一个用户就显示用户的ID信息,再显示用户名、密码信息。
78 0
|
C++
VS Code 用户自定义配置推荐 #52
VS Code 用户自定义配置推荐 #52
66 0
|
开发工具 iOS开发 开发者
友盟分享和登录步骤
友盟分享和登录步骤
176 0
友盟分享和登录步骤
|
小程序 开发工具 C#
微信公众号支付提示mch_id参数格式错误
微信公众号支付提示mch_id参数格式错误
530 0
|
小程序
【微信小程序错误】Error:用户未登录过,请先使用login()登录
这个错误需要将登录程序时写的loginWithCode方法换成login方法
506 0
[导入]用户登录及验证用户是否登录的代码
用户登录及验证用户是否登录的代码文章来源:http://blog.csdn.net/jyk/archive/2006/08/15/1067382.aspx
678 0