python爬虫进阶篇：scrapy爬虫框架的依赖库搭建和项目创建

code_space2023-12-23 4:28

一、前言

上篇我们记录了Scrapy的各个组件功能，这篇我们来动手scrapy爬虫框架的依赖库搭建和项目创建，开始进入进阶实战。

二、环境搭建

安装依赖库

python 复制代码

pip install lxml==4.9.2
pip install parsel==1.6.0
pip install Twisted==21.2.0
pip install pyOpenSSL==19.1.0
pip install cryptography==2.8
pip install Scrapy==1.6.0

以上依赖库是必须要安装的，否则启动Scrapy会报依赖包不存在的错；Scrapy的依赖包对版本要求比较严格，不同版本的依赖包经常会冲突，上面这些依赖包是测试过没有问题的。

三、创建Scrapy项目

创建一个爬虫项目文件夹scrapy_demo01
命令行进入此文件夹，执行命令：

python 复制代码

scrapy startproject scrapy_demo

将第一层scrapy_demo文件夹设置为根目录（pycharm中右键此文件夹，Mark directory as Sources Root）
创建个spider_main.py文件，用于执行启动爬虫的命令

python 复制代码

from scrapy import cmdline

if __name__ == '__main__':

    cmdline.execute("scrapy crawl demo_spider".split())

最后的项目结构如下

四、测试结果

python 复制代码

# -*- coding: utf-8 -*-
import scrapy

class DemoSpider(scrapy.Spider):
    name = "demo_spider"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/',
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = f'quotes-{page}.html'
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log(f'Saved file {filename}')