Python Scrapy多頁資料爬取實現過程解析
阿新 • • 發佈:2020-06-13
1.先指定通用模板
url = 'https://www.qiushibaike.com/text/page/%d/'#通用的url模板
pageNum = 1
2.對parse方法遞迴處理
parse第一次呼叫表示的是用來解析第一頁對應頁面中的資料
對後面的頁碼的資料要進行手動傳送
if self.pageNum <= 5: self.pageNum += 1 new_url = format(self.url%self.pageNum) #手動請求(get)的傳送 yield scrapy.Request(new_url,callback=self.parse)
完整示例
class QiubaiSpider(scrapy.Spider): name = 'qiubai' # allowed_domains = ['www.xxx.com'] start_urls = ['https://www.qiushibaike.com/text/'] url = 'https://www.qiushibaike.com/text/page/%d/'#通用的url模板 pageNum = 1 #parse第一次呼叫表示的是用來解析第一頁對應頁面中的段子內容和作者 def parse(self,response): div_list = response.xpath('//*[@id="content-left"]/div') all_data = [] for div in div_list: author = div.xpath('./div[1]/a[2]/h2/text()').extract_first() content = div.xpath('./a[1]/div/span//text()').extract() content = ''.join(content) # 將解析的資料儲存到item物件 item = QiubaiproItem() item['author'] = author item['content'] = content # 將item提交給管道 yield item # item一定是提交給了優先順序最高的管道類 if self.pageNum <= 5: self.pageNum += 1 new_url = format(self.url%self.pageNum) #手動請求(get)的傳送 yield scrapy.Request(new_url,callback=self.parse)
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。