第六章 Scrapy框架(六) 2020-03-08

六、Scrapy框架– 实战– 古诗文网爬虫实战(3


settings.py设置


ITEM_PIPELINES = { 'gsww.pipelines.GswwPipeline': 300,}



pipelines.py代码


import json

 

 

class GswwPipeline(object):

    def open_spider(self,spider):

        self.fp = open("古诗文.txt", 'w', encoding='utf-8')

 

    def process_item(self, item, spider):

        self.fp.write(json.dumps(dict(item),ensure_ascii=False)+"\n")

        return item

 

    def close_spider(self,spider):

        self.fp.close()



items.py代码


import scrapy

 

 

class GswwItem(scrapy.Item):

    title = scrapy.Field()

    dynasty = scrapy.Field()

    author = scrapy.Field()

    content = scrapy.Field()



gsww_spider示例代码


import scrapy

from lxml import etree

from scrapy.http.response.html import HtmlResponse

from scrapy.selector.unified import Selector

from ..items import GswwItem  # 从上层导入模块使用..

 

 

class GswwSpiderSpider(scrapy.Spider):

    name = 'gsww_spider'

    allowed_domains = ['gushiwen.org']

    start_urls = ['https://gushiwen.org/default_1.aspx']

 

    def myprint(self,value):

        print("="*30)

        print(value)

        print("="*30)

 

    def parse(self, response):

        # self.myprint(type(response))

       # response.xpath返回的都是SelectorList对象

       # SelectorList:里面存储的都是Selector对象

       # SelectorList.getall:可以直接获取xpath中指定的值

       # SelectorList.get:可以直接提取第一个值

 

        gsw_divs = response.xpath("//div[@class='left']/div[@class='sons']")

        # print(type(gsw_divs))

        for gsw_div in gsw_divs:

           # 获取列表

            title = gsw_div.xpath('.//b/text()').getall()

           # 获取列表中第一个值,即标题

            # title = gsw_div.xpath('.//b/text()').get()

            source = gsw_div.xpath(".//p[@class='source']/a/text()").getall()

            dynasty = source[0]

            author = source[1]

           # 下面的//text()代表的是获取class='contson'下的所有子孙文本

            content_list = gsw_div.xpath(".//div[@class='contson']//text()").getall()

            content = "".join(content_list).strip()

            # self.myprint(title)

            # self.myprint(source)

            # self.myprint(content)

            item = GswwItem(title=title,dynasty=dynasty, author=author, content=content)

            yield item

 

        next_href = response.xpath("//a[@id='amore']/@href").get()

        if next_href:

            next_url = response.urljoin(next_href)

            request = scrapy.Request(next_url)

            yield request



上一篇文章 第六章 Scrapy框架(五) 2020-03-07 地址:

https://www.jianshu.com/p/cd1f301999c5

下一篇文章 第六章 Scrapy框架(七) 2020-03-09 地址:

https://www.jianshu.com/p/07dbc4fd3efd



以上资料内容来源网络,仅供学习交流,侵删请私信我,谢谢。

最后编辑于
©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