首页 > 代码库 > Python Scrapy 自动爬虫注意细节(2)

Python Scrapy 自动爬虫注意细节(2)

一、自动爬虫的创建,需要指定模版

如:

 scrapy genspider -t crawl stockinfo quote.eastmoney.com

crawl : 爬虫模版

stockinfo :爬虫名称,后续敲命令执行爬虫需要输入的

quote.eastmoney.com :起始网址

通过 scrapy genspider -l 查看可用模版

技术分享

 

二、settings、items、pipeline、spider的执行顺序

 settings--->items---->spider<---->pipeline,即第一次从settings读取爬虫配置,创建需要处理的数据项,根据starturl来启动爬虫,爬取到数据后,发送给管道处理数据(或放到文件中、或存到数据库)

 

 技术分享

 

三、页面过滤规则

技术分享

这一步错误,很容易漏掉网址,通过在parse_item函数中输出response.url跟踪是否有遗漏的网页

如:print(response.url)

四、指定起始页

1、starts_urls数据

2、start_requests函数

 

Python Scrapy 自动爬虫注意细节(2)