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.pyMYSQL_IP = "localhost"MYSQL_PORT = 3306MYSQL_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 MysqlDBclass 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 feapderfrom fake_useragent import UserAgentdef 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