scrapy框架的爬虫demo

目的是爬取Weight Loss里面的文章。(自己写报告用,不宜作为学习)

内容包括{标题,副标题,作者,头像,日期,图片,正文}

不多bb直接上代码嗷嗷,scrapy框架的代码应该都是这样吧


mySpider.py
import scrapy

from demo.itemsimport WeightItem

from bs4import UnicodeDammit

from bs4import BeautifulSoup

from urllib.requestimport urlopen

class MySpider(scrapy.Spider):

name="mySpider"

    source_url ='https://www.womenshealthmag.com/weight-loss/'

    def start_requests(self):

url = MySpider.source_url

yield scrapy.Request(url=url, callback=self.parse)

print("发送请求")

def parse(self, response):

i=0

        try:

dammit = UnicodeDammit(response.body, ["utf-8", "gbk"])

data = dammit.unicode_markup

selector = scrapy.Selector(text=data)

print("收到源代码")

links = selector.xpath("//div[position()>2][starts-with(@class,'simple-item grid-simple-item ')]/a[@class='simple-item-image item-image']")

print("主页xpath")

for linkin links:

newslink = link.xpath("./@href").extract_first()

yield scrapy.Request(url=MySpider.source_url + newslink, callback=self.parse1)

except Exception as err:

print(err)

def parse1(self,response):

dammit = UnicodeDammit(response.body, ["utf-8", "gbk"])

data = dammit.unicode_markup

selector = scrapy.Selector(text=data)

text = selector.xpath("//p[@class='body-text']/text()").extract()

text ="\n".join(text)

#text = selector.xpath("//p[@class='body-text']/text()")[0]

#text = text.xpath("string(.)")

                pic = selector.xpath("/html/body/div[2]/div[4]/div[1]/div[1]/div/img/@data-src").extract_first()

header = selector.xpath("//header[@class='content-header standard-header']/div[@class='content-header-inner']")

title = header.xpath(".//h1/text()").extract_first()

subtitle = header.xpath(".//p/text()").extract_first()

profilephoto = header.xpath(".//img/@data-src").extract_first()

author = header.xpath(".//span[@class='byline-name']/text()").extract_first()

date = header.xpath(".//time[@class='content-info-date']/text()").extract_first()

item = WeightItem()

item["title"] = title.strip()if titleelse ""

                item["subtitle"] = subtitle.strip()if subtitleelse ""

                item["author"] = author.strip()if authorelse ""

                item["date"] = date.strip()if dateelse ""

                item["profilephoto"] = profilephoto.strip()if profilephotoelse ""

                item["text"] = text.strip()if textelse ""

                item["pic"] = pic.strip()if picelse ""

                yield item


item.py

import scrapy

class WeightItem(scrapy.Item):

# define the fields for your item here like:

# name = scrapy.Field()

    title = scrapy.Field()

subtitle=scrapy.Field()

author = scrapy.Field()

date = scrapy.Field()

profilephoto=scrapy.Field()

text = scrapy.Field()

pic=scrapy.Field()


piplines.py

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

# Define your item pipelines here

#

# Don't forget to add your pipeline to the ITEM_PIPELINES setting

# See: https://doc.scrapy.org/en/latest/topics/item-pipeline.html

import pymysql

class WeightPipeline(object):

def open_spider(self, spider):

print("开始")

try:

self.con = pymysql.connect(host="127.0.0.1",

                                      port=3306,

                                      user="root",

                                      passwd="密码",

                                      charset="utf8"

                                      )

self.cursor =self.con.cursor(pymysql.cursors.DictCursor)

print("已连接到mysql")

try:

self.cursor.execute("create database mydb")

print("创建新的数据库")

except:

pass

            self.con.select_db("mydb")

try:

self.cursor.execute("drop table Woman'sHealth")

print("删除原来的表")

except:

pass

            try:

sql ="""

create table WomansHealth(

Id varchar(8) primary key,

Title varchar(512) ,

Subtitle varchar(256),

Profilephoto varchar(256),

Author varchar(64),

Date varchar(16),

Text text,

Pic varchar(256))

"""

                self.cursor.execute(sql)

print("创建新的表")

except:

self.cursor.execute("delete from WomansHealth")

self.opened =True

            self.count =0

        except Exception as err:

print(err)

self.opened =False

    def close_spider(self, spider):

if self.opened:

self.con.commit()

self.con.close()

self.opened =False

        print("closed")

print(self.count)# 无法显示

    def process_item(self, item, spider):

try:

print("----------------------")

print("标题:"+item["title"])

print("副标题:"+item["subtitle"])

print("作者:"+item["author"])

print("日期:"+item["date"])

print("头像链接:"+item["profilephoto"])

print("正文:"+item["text"])

print("图片链接:"+item["pic"])

print("---------------------")

if self.opened:

self.count +=1

                print(self.count)

ID =str(self.count)

while len(ID) <8:

ID ="0"+ID

self.cursor.execute(

"insert into WomansHealth(Id,Title,Subtitle,Profilephoto,Author,Date,Text,Pic) values (%s,%s,%s,%s,%s,%s,%s,%s)",

                    (ID, item["title"], item["subtitle"],item["profilephoto"], item["author"], item["date"], item["text"], item["pic"]))

except Exception as err:

print(err)

return item


run.py

from scrapyimport cmdline

cmdline.execute("scrapy crawl mySpider -s LOG_ENABLED=False".split())


setting.py 里面加一句
ITEM_PIPELINES = {

'demo.pipelines.WeightPipeline':300, }


然后就存到数据库了

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,542评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,596评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,021评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,682评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,792评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,985评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,107评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,845评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,299评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,612评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,747评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,441评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,072评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,828评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,069评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,545评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,658评论 2 350

推荐阅读更多精彩内容