学习Python的基础架简介和基础小伙伴应该都听说过scrapy框架，今天老男孩教育为大家讲解一下scrapy框架的应用基础应用，希望对你们有所帮助。基础架简介和基础
一.什么是应用Scrapy?
Scrapy是一个为了爬取网站数据，提取结构性数据而编写的基础架简介和基础应用框架，非常出名，应用非常强悍。基础架简介和基础所谓的应用框架就是一个已经被集成了各种功能(高性能异步下载，队列，基础架简介和基础分布式，应用解析，基础架简介和基础持久化等)的应用具有很强通用性的项目模板。对于框架的基础架简介和基础学习，重点是应用要学习其框架的特性、云服务器提供商各个功能的基础架简介和基础用法即可。
二.安装
Linux：
pip3 install scrapy
Windows：
a. pip3 install wheel
b. 下载twisted http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
c. 进入下载目录，执行 pip3 install Twisted‑17.1.0‑cp35‑cp35m‑win_amd64.whl
d. pip3 install pywin32
e. pip3 install scrapy
三.基础使用
1.创建项目：scrapy startproject 项目名称
项目结构：
project_name/
scrapy.cfg：
project_name/
__init__.py
items.py
pipelines.py
settings.py
spiders/
__init__.py
scrapy.cfg 项目的主配置信息。(真正爬虫相关的配置信息在settings.py文件中)
items.py 设置数据存储模板，用于结构化数据，如：Django的Model
pipelines 数据持久化处理
settings.py 配置文件，如：递归的层数、并发数，延迟下载等
spiders 爬虫目录，如：创建文件，编写爬虫解析规则
2.创建爬虫应用程序：
cd project_name(进入项目目录)
scrapy genspider 应用名称 爬取网页的起始url (例如：scrapy genspider qiubai www.qiushibaike.com)
3.编写爬虫文件:在步骤2执行完毕后，会在项目的spiders中生成一个应用名的py爬虫文件，文件源码如下：
# -*- coding: utf-8 -*-
import scrapy
class QiubaiSpider(scrapy.Spider):
name = qiubai #应用名称
#允许爬取的域名(如果遇到非该域名的url则爬取不到数据)
allowed_domains = [https://www.qiushibaike.com/]
#起始爬取的url
start_urls = [https://www.qiushibaike.com/]
#访问起始URL并获取结果后的回调函数，亿华云该函数的response参数就是向起始的url发送请求后，获取的响应对象.该函数返回值必须为可迭代对象或者NUll
def parse(self, response):
print(response.text) #获取字符串类型的响应内容
print(response.body)#获取字节类型的相应内容
4.设置修改settings.py配置文件相关配置:
修改内容及其结果如下：
19行：USER_AGENT = Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36 #伪装请求载体身份
22行：ROBOTSTXT_OBEY = False #可以忽略或者不遵守robots协议
5.执行爬虫程序：scrapy crawl 应用名称
四.小试牛刀：将糗百首页中段子的内容和标题进行爬取
# -*- coding: utf-8 -*-
import scrapy
class QiubaiSpider(scrapy.Spider):
name = qiubai
allowed_domains = [https://www.qiushibaike.com/]
start_urls = [https://www.qiushibaike.com/]
def parse(self, response):
#xpath为response中的方法，可以将xpath表达式直接作用于该函数中
odiv = response.xpath(//div[@id="content-left"]/div)
content_list = [] #用于存储解析到的数据
for div in odiv:
#xpath函数返回的为列表，列表中存放的数据为Selector类型的数据。我们解析到的内容被封装在了Selector对象中，需要调用extract()函数将解析的内容从Selecor中取出。
author = div.xpath(.//div[@class="author clearfix"]/a/h2/text())[0].extract()
content=div.xpath(.//div[@class="content"]/span/text())[0].extract()
#将解析到的内容封装到字典中
dic={
作者:author,
内容:content
}
#将数据存储到content_list这个列表中
content_list.append(dic)
return content_list
执行爬虫程序：
scrapy crawl 爬虫名称 ：该种执行形式会显示执行的日志信息
scrapy crawl 爬虫名称 --nolog：该种执行形式不会显示执行的日志信息
(责任编辑：IT科技)
