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
捉鸭子13 小时前
转转APP逆向
爬虫·python·网络安全·网络爬虫
华科云商xiao徐14 小时前
使用aiohttp实现高并发爬虫
爬虫
华科云商xiao徐14 小时前
Selenium动态网页爬虫编写与解释
爬虫
安替-AnTi15 小时前
香港理工大学实验室定时预约
爬虫·python·post·实验室·预约·香港理工
爬点儿啥16 小时前
[爬虫知识] 深入理解多进程/多线程/协程的异步逻辑
开发语言·爬虫·python·多线程·协程·异步·多进程
Haisheng18 小时前
理解 Robots 协议:爬虫该遵守的“游戏规则”
爬虫
t_hj2 天前
scrapy项目开发流程
scrapy
是小崔啊2 天前
【爬虫】- 爬虫原理及其入门
爬虫
datascome2 天前
文章发布易优CMS(Eyoucms)网站技巧
数据库·经验分享·爬虫·数据采集·eyoucms·易优cms
t_hj2 天前
scrapy框架
scrapy