post python爬虫

795次阅读
没有评论

post

前面咱们介绍了scrapy框架的使用,今天就来实战,爬取一下腾讯招聘的职位信息。

一、分析url
二、创建scrapy项目并生成爬虫
三、提取数据
四、保存数据

一、分析url

先确定url,这是网站的url:

url

咱们的需求是获取职位的名称、下面的工作职责、工作需求,并实现翻页操作。

分析网页源代码,发现这些信息都不在源码中,考虑使用抓包工具,进入network,刷新后出现一个带有“query”的文件,可以从中找到咱们想要的信息。因此,现在的url就是要作为起始的url:

post

起始url(列表页,总的职位信息页面)为:

one_url

同样的方法,能找到起始url(详情页,单个职位的具体信息页面)为:

two_url

二、创建scrapy项目并生成爬虫

现在,通过terminal终端创建一个scrapy项目:

scrapy startproject tencent

post

post

post

post

post

三、提取数据

1.对setting文件进行设置

为了不让其他信息显示出来干扰数据,设置中加入如下字段:

LOG_LEVEL

如下图:

post

2.添加start文件

在总目录下添加start.py文件,用于运行爬虫。

post

start文件代码如下:

from

右键run运行。

结果如下:

post

可以看到,数据已经获取到了。要做进一步处理。

3.对解析函数parse()进行定义

因为要实现翻页操作,因此要对每一页的url进行遍历,在parse()中,这部分代码如下(要爬取1-10页):

import

结果如下:

post

接着编辑parse_two():

def

结果如下:

post

可以发现,整个数据是从最后一页(第10页)倒着往前打印的。至此,数据已经全都获取到了。

其中,要对页码url进行请求,获取每页数据,会用到scrapy.Request

这是其中的参数:

scrapy.Request(url,callback=None,method=‘GET’,headers=None,bod y=None,cookies=None,meta=None,encoding=‘utf-8’,priority=0,2 dont_filter=False,errback=None,flags=None)

scrapy.Request常用参数为:

callback:指定传⼊的URL交给哪个解析函数去处理,回调函数是用来自定义一个接收函数名(接收响应结果)。

meta:实现不同的解析函数中传递数据,meta默认会携带部分信息,比如下载延迟,请求深度。

dont_filter:让scrapy的去重不会过滤当前URL,scrapy默认有URL去重功能,对需要重复请求的URL有重要⽤途。

4.一些细节

4.1 items文件的使用

如果想把要获取的字段提前定义好,要用到items.py文件。在其中将之前定义要获取的字段按照这一格式写好:

class

将tencent文件夹设置成根目录:右键tencent文件夹

post

设置成根目录,在hr.py文件中导入:

from

在已定义的字段之前,加上:item=TencentItem(),再次执行即可,能够排除因字段错误导致的问题。

4.2验证爬虫文件的其他方式

前面咱们讲了2种方法,今天来介绍第三种方法。

isinstance():判断一个对象是否是另一个对象的实例,可以沿用到这里:

from

这样也能验证是不是某个爬虫文件的数据,要记住在这之前,要yield字段数据;打开setting中的pipeline。再去运行start.py文件。

四、保存数据

在pipelines文件中进行保存数据的剩余工作。关于pipelines的使用,在前面已经介绍过。

好了,今天的scrapy实战操作就到这里了。

Python爬虫基础部分:

  • Python 怎么快速入门?11篇实战干货带你深入了解 Python爬虫!建议收藏

Python爬虫进阶部分:

  • 第一篇:Python爬虫进阶(一)爬虫之动态数据与selenium
  • 第二篇:Python爬虫进阶(二)爬虫之多任务模块(Ⅰ)
  • 第三篇:Python爬虫进阶(三)爬虫之多任务模块(Ⅱ)
  • 第四篇:Python爬虫进阶(四)爬虫之多任务模块(Ⅲ)
  • 第五篇:Python爬虫实战之 爬取王者荣耀皮肤
  • 第六篇:Python爬虫进阶(五)爬虫之多线程爬虫实战(爬取王者荣耀皮肤)
  • 第七篇:Python爬虫进阶(六)爬虫之Scrapy初探(Ⅰ)
  • 第八篇:Python爬虫进阶(七)爬虫之Scrapy初探(Ⅱ)

最近在知乎创建了一个新的Python技术圈子,在里面每天都会分享好玩有趣的Python知识,你如果对Python这门技术感兴趣的可以加入哦!交个朋友

Python技术 – 知乎​www.zhihu.com

post

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-25发表,共计1882字。
新手QQ群:570568346,欢迎进群讨论 Python51学习