从零开始的Python爬虫速成指南，本文受众：没写过爬虫的萌新

引言

用最短的时间写一个最简单的爬虫，可以抓一些简单的论坛、帖子、网页。

入门

1.准备工作

• 安装Python
• 安装scrapy框架
• 一个IDE或者可以用自带的

2.开始写爬虫

在spiders文件夹中创建一个python文件，比如miao.py，来作为爬虫的脚本。

代码如下：

3.运行一下

如果用命令行的话就这样：

解析

1.试试神奇的xpath

2.看看xpath的效果

在最上面加上引用：

from scrapy import Selector

把parse函数改成：

我们再次运行一下，你就可以看到输出“坛星际区”***页所有帖子的标题和url了。

递归

完整的代码如下：

Pipelines——管道

现在是对已抓取、解析后的内容的处理，我们可以通过管道写入本地文件、数据库。

1.定义一个Item

在miao文件夹中创建一个items.py文件

这里我们定义了两个简单的class用来描述我们爬取的结果。

2. 处理方法

3.在爬虫中调用这个处理方法。

4.在配置文件里指定这个pipeline

可以这样配置多个pipeline:

Middleware——中间件

1.Middleware的配置

2.破网站查UA, 我要换UA

这里就是一个简单的随机更换UA的中间件，agents的内容可以自行扩充。

3.破网站封IP，我要用代理

结束

看懂了吗 ？是不是超简单！

分享名称：从零开始的Python爬虫速成指南，本文受众：没写过爬虫的萌新
链接URL：http://www.hantingmc.com/qtweb/news13/388213.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联