scrapy学习笔记--解析结果存储
2015-08-02 20:44
239 查看
在上一篇中已经得到了想要的name,但是并没有将获取的结果保存,仅仅是打印出来了而已。
那么现在我们将使用到最初定义的Item对象。
Item对象是一个自定义的字典。所以操作Item与正常操作一个字典是一样的。
字典里面的字段就是之前定义的属性,本文中就是name属性。
yield的作用是把parse函数变成一个发生器(generator),每次函数执行会返回一个迭代对象(iterable 对象)。
使用yield有两个明显好处:一是代码简洁,二是每次返回一个迭代对象,而不会一直占用内存。
再次运行爬虫,得到如下结果:
在命令行中执行如下命令:
scrapy crawl firstSpider -o items.json
这个命令的含义是执行爬虫firstSpider,将得到的item以json字符串的形式保存到items.json文件中。
如果需要对结果进行更加复杂的操作,则需要编辑爬虫目录下的pipelines.py文件。
至此,第一个Scrapy爬虫已经完成,这个爬虫爬取了一个页面,提取了页面的一些元素,并将结果保存在了item中。这个爬虫只是一个简单的例子,通过这个例子能够对Scrapy爬虫项目有一个初步的认识。
之后将深入学习Scrapy的更多内容。
那么现在我们将使用到最初定义的Item对象。
Item对象是一个自定义的字典。所以操作Item与正常操作一个字典是一样的。
字典里面的字段就是之前定义的属性,本文中就是name属性。
# -*- coding: utf-8 -*- from _elementtree import parse import re import scrapy from firstSpider.items import FirstspiderItem class ExampleSpider(scrapy.Spider): name = "example" allowed_domains = ["zhihu.com"] start_urls = ( 'http://www.zhihu.com/question/31810474#answer-16771792', ) def parse(self, response): #选择器提取页面内容 for sel in response.xpath('//h3'): item = FirstspiderItem() item['name'] = sel.re(r'<a data-tip="p\$[\$\w-]+?" href="/people/[\$\w-]+?">(.+?)</a>') yield item需要注意的是在import 你的Item时,需要正确填写路径,不然可能会报错。
yield的作用是把parse函数变成一个发生器(generator),每次函数执行会返回一个迭代对象(iterable 对象)。
使用yield有两个明显好处:一是代码简洁,二是每次返回一个迭代对象,而不会一直占用内存。
再次运行爬虫,得到如下结果:
在命令行中执行如下命令:
scrapy crawl firstSpider -o items.json
这个命令的含义是执行爬虫firstSpider,将得到的item以json字符串的形式保存到items.json文件中。
如果需要对结果进行更加复杂的操作,则需要编辑爬虫目录下的pipelines.py文件。
至此,第一个Scrapy爬虫已经完成,这个爬虫爬取了一个页面,提取了页面的一些元素,并将结果保存在了item中。这个爬虫只是一个简单的例子,通过这个例子能够对Scrapy爬虫项目有一个初步的认识。
之后将深入学习Scrapy的更多内容。
相关文章推荐
- 调用startActivityForResult后onActivityResult立刻响应,返回当前页onActivityResult不响应的问题
- kiki's game
- 我多希望我学编程时,有人教我这些事!
- 拉格朗日乘数法
- 如何高性能布局
- 关于System V 信号量
- Android开发经典笔试面试题汇总(持续更新中)
- 敏捷开发下该深度思考的三个问题
- Shell 学习14 - Shell printf 命令
- hdoj 最简单的计算机
- ViewPager+Fragment问题
- 【剑指Offer面试题】 九度OJ1369:字符串的排列
- Taglib
- 学习笔记开始了,加油!
- 新的开始
- UITextFieldAndButton
- 剑指Offer面试题20(Java版):顺时针打印矩阵
- android opencv 人脸检测
- BZOJ 2456 mode
- HDU 1175 连连看