Scrapy - 第一个蜘蛛程序

描述

Spider是一个类，它定义了从中提取数据的初始URL，如何遵循分页链接以及如何提取和解析项中定义的字段.吡啶的. Scrapy提供了不同类型的蜘蛛，每种蜘蛛都有特定的用途.

在first_scrapy/spiders目录下创建一个名为"first_spider.py"的文件可以告诉Scrapy如何找到我们正在寻找的确切数据.为此，您必须定义一些属性 :

• name : 它定义了蜘蛛的唯一名称.

• allowed_domains : 它包含要抓取的蜘蛛的基本URL.

• start-urls : 蜘蛛开始抓取的网址列表.

• 解析() : 这是一种提取和解析已删除数据的方法.

以下代码演示了蜘蛛代码的外观和减号;

import scrapy  

class firstSpider(scrapy.Spider): 
   name = "first" 
   allowed_domains = ["dmoz.org"] 
   
   start_urls = [ 
      "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/", 
      "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/" 
   ]  
   def parse(self, response): 
      filename = response.url.split("/")[-2] + '.html' 
      with open(filename, 'wb') as f: 
         f.write(response.body)