scrapy模块的基础使用

scrapy模块是爬虫工作者最常用的一个模块之一，因它有许多好用的模板，和丰富的中间件，深受欢迎。

一，scrapy的安装

可以通过pypi的指引进行安装

在终端内输入以下代码：

pip install scrapy

二，项目的建立

安装程序后，创建自己项目，在终端中输入以下代码

scrapy startproject yourprojectname

运行完成后，在终端中会提示你执行以下两个命令

需要依次执行

cd yourprojectname

创建你的爬虫模板 

scrapy genspider name name.com

name --根目录的名字， name.com --（）域名

创建好之后，在pycharm中可以看到以下的目录：

在name.py中编写爬虫项目，name.py文件中会自带以下代码

import scrapy
 
class NameSpider(scapy.Spider):
    name = "name"
    start_urls = [url, url....]
 
    def parse(self, response):
        pass

其中name为爬取数据的名字，自定义。

此外还要加入要爬取的链接列表。

pase方法为爬取数据的逻辑

使用命令来启动爬虫程序(在终端运行以下代码)

scapy crawl name

也可新建一个文件，运行文件来启动爬虫程序,代码如下：

from scrapy import cmdline
 
cmdline.execute("scapy crawl name".split())

split()方法将其分割，因为在cmdline中是一个数组

也可将爬虫日志写入在文件中，避免输出在终端时，因终端可显示的长度有限，显示不完全。代码如下：

from scrapy import cmdline
 
cmdline.execute("scapy crawl name --logfile name.log".split())

爬取好的数据可以通过items.py文件中进行配置

将想要的数据进行保存

import scrapy
 
 
class HaodaifuItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()

存储的项目通过进入piplines.py文件中（pipelines.py在settings中默认不开启，需要手动开启 ）

# Configure item pipelines
# See https://docs.scrapy.org/en/latest/topics/item-pipeline.html
# 项目管道
ITEM_PIPELINES = {
   "xxx.pipelines.Pipeline": 300,
    "xxx.pipelines.xxxPipeline":300,
}

pipslines.py文件中的项目名：数值

数值越小，优先级越高，越先启动，数值相同他们的启动顺序将是随机的，无法确定哪一个会先启动。在这种情况下，scrapy将根据实际情况来决定启动顺序。