scrapy爬虫基础

一、初识

创建项目:

python 复制代码
scrapy startproject my_one_project    # 创建项目命令
cd my_one_project                     # 先进去, 后面在里面运行
运行爬虫命令为:scrapy crawl tk

spiders下创建test.py

其中name就是scrapy crawl tk ,运行时用的

python 复制代码
# spiders脚本
import scrapy

class TkSpider(scrapy.Spider):
    name = 'tk'                    # 运行爬虫命令为:scrapy crawl tk
    start_urls = ['https://www.baidu.com/']
    def parse(self, response, **kwargs):
        print(1111)
        print(response.text)

运行时:

scrapy.downloadermiddlewares.robotstxt\] DEBUG: Forbidden by robots.txt: \ so所以: **settings.py中** ```python 访问百度地址就设置这个 ROBOTSTXT_OBEY = False 不想看那么多东西,可以设置这个 LOG_LEVEL = 'ERROR' #分别为 CRITICAL< ERROR < WARNING < INFO < DEBUG (设置为 ERROR ,就不会展示INFO) ``` 再次运行 ![](https://i-blog.csdnimg.cn/direct/834be33be3844a3380a34836a6314a1a.png) ## 二、内部如何请求的 在执行parse前,实际上是执行了 start_requests的,在这里面实现了请求。如下图1中的内容写了或者不写都是一样的效果。 ![](https://i-blog.csdnimg.cn/direct/47c838435a2a4003a852af1be4bcc6c0.png) 但是写的话,可以在start_requests方法中, 1. 发出请求之前执行一些额外的操作。如放一个cookie值、headers来请求 ![](https://i-blog.csdnimg.cn/direct/61edad0d9a69480c9747157250a62303.png) 传递了cookie请求后就能获取响应了 2. 请求发出之后,如获取本次请求使用的header ![](https://i-blog.csdnimg.cn/direct/90cd32e2014b4d548558e4c4c69a9cdd.png)

相关推荐
子竹聆风15 小时前
Feapder框架UpdateItem使用技巧:如何优雅地实现"只更新有值字段"
爬虫
万粉变现经纪人4 天前
如何解决pip安装报错ModuleNotFoundError: No module named ‘cuml’问题
python·scrapy·beautifulsoup·pandas·ai编程·pip·scipy
吴秋霖4 天前
主流反爬虫、反作弊防护与风控对抗手段
爬虫·算法·反爬虫技术
hui函数4 天前
scrapy框架-day02
后端·爬虫·python·scrapy
用户051610461675 天前
爬虫 API 技术全解析:从原理到实战的高效数据采集指南
爬虫·api
xiaoxiongip6666 天前
动态ip适合挂什么项目
网络·爬虫·python·网络协议·tcp/ip·ip
专注API从业者6 天前
Scrapy 集成 JD API:一种高效且合规的商品数据采集方案
大数据·数据库·scrapy
q567315237 天前
自动化拨号爬虫体系:虚拟机集群部署与增量管理
运维·爬虫·网络协议·自动化
电商API_180079052477 天前
淘宝商品视频批量自动化获取的常见渠道分享
java·爬虫·自动化·网络爬虫·音视频
果壳~7 天前
【Python】爬虫html提取内容基础,bs4
爬虫·python·html