乐趣区

关于pyspider:python爬虫pyspider的第一个爬虫程序大功告成

对于 pyspider 的装置返回查看前序文章《踩坑记:终于怀着忐忑的情绪实现了对 python 爬虫扩大库 pyspider 的装置》

1、启动 pyspider 服务
1pyspider all
2、创立 pyspider 我的项目


3、我的项目区域阐明

4、从百度首页开始爬取

填写百度首页地址点击 run 开始爬取,点击爬取到的链接执行下一步

任意点击爬取到的链接进入下一步爬取

返回所进入的详情页内容

5、代码编辑区函数
 1#!/usr/bin/env python
 2# -*- encoding: utf-8 -*-
 3# Created on 2021-04-10 11:24:26
 4# Project: test
 5
 6from pyspider.libs.base_handler import *
 7
 8# 解决类
 9class Handler(BaseHandler):
10    # 爬虫相干参数配置,全局失效 (字典类型)
11    crawl_config = {
12        'url':'http://www.baidu.com'
13    }
14
15    # 示意每天一次,minutes 单位为分钟
16    @every(minutes=24 * 60)
17    # 程序入口
18    def on_start(self):
19        # 设置爬虫地址
20        self.crawl('http://www.baidu.com', callback=self.index_page)
21
22    # 示意 10 天内不会再次爬取,age 单位为秒
23    @config(age=10 * 24 * 60 * 60)
24    # 回调函数、数据解析
25    def index_page(self, response):
26        # response.doc() 返回的是 pyquery 对象,因而采纳 pyquery 对象解析
27        for each in response.doc('a[href^="http"]').items():
28            # 遍历并回调爬取详情页
29            self.crawl(each.attr.href, callback=self.detail_page)
30
31    # 工作优先级设置
32    @config(priority=2)
33    # 回调函数、返回后果
34    def detail_page(self, response):
35        # 返回详情页
36        return {
37            "url": response.url,
38            "title": response.doc('title').text(),
39        }

更多精彩返回微信公众号【Python 集中营】,专一于 python 技术栈,材料获取、交换社区、干货分享,期待你的退出~

退出移动版