超详细官方教程解析
https://blog.csdn.net/fly_yr/article/details/51540269
实战过程：
- 创建一个Scrapy项目
- 定义提取的Item
- 编写爬取网站的 spider 并提取 Item
- 编写 Item Pipeline 来存储提取到的Item(即数据)
【1】创建Scrapy项目
scrapy startproject TestDemo
若进入到相应的文件目录下，在地址栏输入cmd进入命令行界面，输入以上命令，则会在相应的文件目录下建立一个项目
创建spider.py命令：scrapy genspider -t basic 名字 网址
也可以手动创建
运行爬虫时，在项目所在目录的地址栏cmd，进入，输入 scrapy crawl 爬虫名字；
否则可能会提示没找到该命令
其他相关命令
【2】定义Item容器
添加字段位置
先建模 //左是名字 右边是 占位符
【3】编写爬虫：
实现爬虫的python文件应该在spiders文件夹下
#def parse是回调函数，从Downloader返回response后，接受response而执行的方法；分别裁剪xx作为文件名,将网页的<body>内容保存至两个文件；
【3-1】爬“取”： ---------利用Xpath
XPath举例：
【3-2】重写spider的分析方法 【原方法是为了保存，验证用】
【4】将数据存放到Item容器中
【5】导出保存
scrapy crawl domz -o items.json -t json
#-o 指导出 后跟文件名字【需要后缀】
#-t 表示导出的格式，此处用json
#此处代码意思是，运行爬虫domz，并以json格式导出保存为items.json
实战中注意点：
1. 刚开始入门的时候，要爬取能爬的网站。。。有些是有反爬虫机制的，不然还会以为是代码错了导致没爬到数据
2. xpath() 中：
比如爬<html><head><title>xxx 的内容，
如果已经sites = sel.xpath('/html/head/title')
接下来用site = sites.xpath('text()').extract() 即可获取Selector对象的列表字符串化后的unicode字符串
而不是site = sites.xpath('/text()').extract() 或者 site = sites.xpath('title/text()').extract()
3.定义Item容器 中， 要和存放容器时使用的一致，不可无中生有
- 还没有人评论，欢迎说说您的想法！
客服
