简单scrapy爬虫实例

流程分析

抓取内容：网站课程

页面：https://edu.hellobi.com

数据：课程名、课程链接及学习人数

观察页面url变化规律以及页面源代码帮助我们获取所有数据

 

1、scrapy爬虫的创建

　　在pycharm的Terminal中输入以下命令：

　　　　创建scrapy项目：scrapy startproject ts

　　　　进入到项目目录中：cd first

　　　　创建一个新的spider：scrapy genspider -t basic lesson hellobi.com

 

2、scrapy爬虫代码编写

2.1items文件编写

　　在items.py文件中定义自己要抓取的数据，我们要爬取天善智能网站的课程、课程链接和学习人数，需要这三者的数据，所以此时创建item的三个类。

　　　　

2.2编写spider文件（lesson.py）

　　由于要提取该网站所有课程的消息，需要构造了所有的课程url。此时观察观察多个url，找出其中url变化的规律，以此来构造所有的url。由于每个课程都需要包含课程名、课程链接以及学习人数，所有设置相应的xpath，分别匹配item的三个类。

　　

2.3修改pipeline.py的内容：

　　将爬取到的数据写入“F:/天善课程爬取/1.txt”中。

　　　　

2.4修改settings.py文件，配置pipeline：

　　

 

3、总结

　　至此，爬虫就全部编写完成了，在scrapy中xpath很重要，如果xpath提取错误的话，可能会造成许多错误。另外在输出和写入文件时也要注意，不然也会有错误发生。在程序的最后一定要关闭文件，不然最后打开文件的内容为空。