Python爬虫案例2:获取抽屉网页所有的新闻标题并保存到csv
2018-04-05 00:00
302 查看
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/PbGc396Dwxjb77F2je/article/details/80154986
1、先建立爬虫项目
1)进入目标目录:cd 目标目录
2)建立项目:scrapy startproject 爬虫项目名称
3)进入爬虫项目目录,cd 爬虫项目所在的文件夹
4)建立爬虫:scrapy genspider 爬虫名称 网址
具体可参考豆瓣的爬虫博文。
2、编写爬虫程序
有五个注意和修改的地方:
1)编写spider程序,我的案例是spider的test.py的文件中
2)新建一个一个去重url的类duplication.py,并需要在settings.py中导入
3)修改items.py
4)修改pipeline.py,并需要在settings.py中导入
5)编写运行爬虫的程序,我的是runspider.py
6)对应的修改settings.py:导入去重类、pipline类、设置DEPTH_LIMIT
完整的项目目录如下:
1)爬虫文件test.py的程序,如下:主要是注意跳转下一页的用法。
2)新建duplication.py的程序,如下:
3)修改items.py的程序,如下:
4)修改pipelines.py的程序,比如写了两个pipline,一个保存到text文件,一个保存到csv中,如下:
text的pipline程序如下:
也可以保存在csv中,如下程序:
5)编写运行爬虫的程序,我的是runspider.py,如下:
6)对应的修改settings.py:导入去重类、pipline类、设置DEPTH_LIMIT
导入去重类:
pipeline类:
设置DEPTH_LIMIT:
7)执行出来的文件如下所示:
相关文章推荐
- Python爬虫项目,获取所有网站上的新闻,并保存到数据库中,解析html网页等(未完待续)
- python爬虫案例——根据网址爬取中文网站,获取标题、子连接、子连接数目、连接描述、中文分词列表
- python爬虫——获取新闻标题
- python3爬虫-爬取新浪新闻首页所有新闻标题
- 19Python爬虫--爬取新浪新闻标题并保存到数据库
- Python 网络爬虫 009 (编程) 通过正则表达式来获取一个网页中的所有的URL链接,并下载这些URL链接的源代码
- 使用正则表达式写一个网页爬虫案例获取指定文档中的邮件地址保存到自己指定的文件夹中
- Python 网络爬虫 009 (编程) 通过正则表达式来获取一个网页中的所有的URL链接,并下载这些URL链接的源代码
- Python爬虫获取整个站点中的所有外部链接代码示例
- python 3.5:爬虫--爬取人民日报1946-2003年所有新闻
- python 3.6闭包+循环获取出字典中所有的值并保存在list中
- 获取网页中的部分内容,新闻标题和内容
- 一个爬虫的自我修养-依据python来获取网页代码
- python获取网页所有链接
- python3 获取网页内容保存到文件
- Python爬虫获取图片并下载保存至本地的实例
- Python爬虫(七)学习提取网页中所有链接
- Python爬虫实战五之模拟登录淘宝并获取所有订单
- python爬虫︱百度百科的requests请求、百度URL格式、网页保存、爬虫模块
- Python爬虫学习--WIN10下定时获取CSDN个人的访问量并保存到文件中2018/01/19