首页 > 代码库 > 在ubuntu上创建scrapy爬虫

在ubuntu上创建scrapy爬虫

下载scrapy

在命令行下输入: sudo apt-get install python-scrapy
或者进入http://scrapy.org下载安装

新建项目

命令行下进入项目目录,输入scrapy startproject start
新建一个名为start的项目
项目结构如下
start/
    scrapy.cfg
    start/
        __init__.py
        items.py
        pipelines.py
        settings.py
        spiders/
            __init__.py
各文件的作用如下:
  • scrapy.cfg: 项目配置文件
  • items.py: 项目items文件
  • pipelines.py: 项目管道文件
  • settings.py: 项目配置文件
  • spiders: 放置spider的目录

开始简单爬虫

在spiders目录下新建文件qiushi.py
代码如下:
from scrapy.spider import BaseSpider

class QiushiSpider(BaseSpider):
    name = "qiushi"
    allowed_domains = ["qiushibaike.com","www.qiushibaike.com"]
    start_urls = ["http://www.qiushibaike.com/"]
    def parse(self,response):
        filename = response.url.split("/")[-2]
        open(filename,'wb').write(response.body)
返回项目主目录,执行scrapy crawl qiushi
执行完毕后,项目内会出现爬取网页文件



在ubuntu上创建scrapy爬虫