l>我的新书《Android App开发入门与实战》已于8月由人民邮电出版社出版,欢迎购买。点击进入详情
文章目录
1.开发环境2.第三方库3.Scrapy css 语法4.网页分析5.xx.py6.保存爬取的内容为csv文件7.问题1:"UnicodeDecodeError: 'utf-8' codec can't decode byte"8.问题2:拒绝访问9.问题3:csv文件中文乱码10.效果11.Github源码关于Scrapy的用法,我们可以参考这篇文章: [day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)
1.开发环境
IDE: PyCharm .2.1 (Professional Edition)Python: 3.9.72.第三方库
scrapy: 网络请求scrapy.css: 分析HTML特征3.Scrapy css 语法
https://geek-/scrapy/scrapy-tutorials/scrapy-css-grammar.html
4.网页分析
用Chrome打开/top250,点击红圈中的箭头,然后鼠标滑过左边网页区域的时候,右边就会显示对应的HTML代码块。
5.xx.py
class xxSpider(scrapy.Spider):name = 'xx'allowed_domains = ['']start_urls = ['/top250']def parse(self, response):for movie in response.css('div.item'):item = xxItem()item['movie_name'] = movie.css('div.pic a img::attr(alt)').extract()yield item# 其它页next_page = response.css('span.next a::attr(href)').extract_first()if next_page:print('************* next_page = ' + next_page)yield Request(self.start_urls[0] + next_page, callback=self.parse)
6.保存爬取的内容为csv文件
start.py中的命令行我们修改为:
cmdline.execute("scrapy crawl xx-o data.csv".split())
7.问题1:“UnicodeDecodeError: ‘utf-8’ codec can’t decode byte”
需要在settings.py中设置:
ROBOTSTXT_OBEY = False
8.问题2:拒绝访问
需要在settings.py中设置:
USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
9.问题3:csv文件中文乱码
需要在settings.py中设置:
FEED_EXPORT_ENCODING = 'utf-8-sig'
10.效果
11.Github源码
/ddnosh/weekly-sample-python/tree/master/5.douban/douban