共计 3459 个字符，预计需要花费 9 分钟才能阅读完成。
1. 前言
家喻户晓，Python 最风行的爬虫框架是 Scrapy，它次要用于爬取网站结构性数据
明天举荐一款更加简略、轻量级，且功能强大的爬虫框架：feapder
2. 介绍及装置
和 Scrapy 相似，feapder 反对轻量级爬虫、分布式爬虫、批次爬虫、爬虫报警机制等性能
内置的 3 种爬虫如下：
- AirSpider
轻量级爬虫，适宜简略场景、数据量少的爬虫
- Spider
分布式爬虫，基于 Redis，实用于海量数据，并且反对断点续爬、主动数据入库等性能
- BatchSpider
分布式批次爬虫，次要用于须要周期性采集的爬虫
在实战之前，咱们在虚拟环境下装置对应的依赖库
# 装置依赖库
pip3 install feapder3. 实战一下
咱们以最简略的 AirSpider 来爬取一些简略的数据
指标网站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==
具体实现步骤如下（5 步）
3-1 创立爬虫我的项目
首先，咱们应用「feapder create -p」命令创立一个爬虫我的项目
# 创立一个爬虫我的项目
feapder create -p tophub_demo3-2 创立爬虫 AirSpider
命令行进入到 spiders 文件夹目录下，应用「feapder create -s」命令创立一个爬虫
cd spiders
# 创立一个轻量级爬虫
feapder create -s tophub_spider 1
其中
- 1 为默认，示意创立一个轻量级爬虫 AirSpider
- 2 代表创立一个分布式爬虫 Spider
- 3 代表创立一个分布式批次爬虫 BatchSpider
3-3 配置数据库、创立数据表、创立映射 Item
以 Mysql 为例，首先咱们在数据库中创立一张数据表
# 创立一张数据表
create table topic
(
id int auto_increment
primary key,
title varchar(100) null comment '文章题目',
auth varchar(20) null comment '作者',
like_count int default 0 null comment '喜爱数',
collection int default 0 null comment '珍藏数',
comment int default 0 null comment '评论数'
);而后，关上我的项目根目录下的 settings.py 文件，配置数据库连贯信息
# settings.py
MYSQL_IP = "localhost"
MYSQL_PORT = 3306
MYSQL_DB = "xag"
MYSQL_USER_NAME = "root"
MYSQL_USER_PASS = "root"最初，创立映射 Item（可选）
进入到 items 文件夹，应用「feapder create -i」命令创立一个文件映射到数据库
PS：因为 AirSpider 不反对数据主动入库，所以这步不是必须
3-4 编写爬虫及数据解析
第一步，首先使「MysqlDB」初始化数据库
from feapder.db.mysqldb import MysqlDB
class TophubSpider(feapder.AirSpider):
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
self.db = MysqlDB()第二步，在 start_requests 办法中，指定爬取主链接地址，应用关键字「download_midware」配置随机 UA
import feapder
from fake_useragent import UserAgent
def start_requests(self):
yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)
def download_midware(self, request):
# 随机 UA
# 依赖：pip3 install fake_useragent
ua = UserAgent().random
request.headers = {'User-Agent': ua}
return request第三步，爬取首页题目、链接地址
应用 feapder 内置办法 xpath 去解析数据即可
def parse(self, request, response):
# print(response.text)
card_elements = response.xpath('//div[@class="cc-cd"]')
# 过滤出对应的卡片元素【什么值得买】buy_good_element = [card_element for card_element in card_elements if
card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得买'][0]
# 获取外部文章题目及地址
a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')
for a_element in a_elements:
# 题目和链接
title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
href = a_element.xpath('.//@href').extract_first()
# 再次下发新工作，并带上文章题目
yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
title=title)第四步，爬取详情页面数据
上一步下发新的工作，通过关键字「callback」指定回调函数，最初在 parser_detail_page 中对详情页面进行数据解析
def parser_detail_page(self, request, response):
"""
解析文章详情数据
:param request:
:param response:
:return:
"""
title = request.title
url = request.url
# 解析文章详情页面，获取点赞、珍藏、评论数目及作者名称
author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()
print("作者：", author, '文章题目:', title, "地址：", url)
desc_elements = response.xpath('//span[@class="xilie"]/span')
print("desc 数目:", len(desc_elements))
# 点赞
like_count = int(re.findall('\d+', desc_elements[1].xpath('./text()').extract_first())[0])
# 珍藏
collection_count = int(re.findall('\d+', desc_elements[2].xpath('./text()').extract_first())[0])
# 评论
comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])
print("点赞：", like_count, "珍藏:", collection_count, "评论:", comment_count)3-5 数据入库
应用下面实例化的数据库对象执行 SQL，将数据插入到数据库中即可
# 插入数据库
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (title, author, like_count, collection_count, comment_count)
# 执行
self.db.execute(sql)4. 最初
最近整顿了几百 G 的 Python 学习材料，蕴含新手入门电子书、教程、源码等等，收费分享给大家！想要的返回“Python 编程学习圈”，发送“J”即可收费取得
