手把手教你应用Scrapy框架来爬取北京新发地价格行情
发布时间：2021-11-05 18:07:01 所属栏目：语言 来源：互联网
导读：大家好!我是霖hero。上个月的时候，我写了一篇关于IP代理的文章，手把手教你使用XPath爬取免费代理IP;前几天，我又发布了第二篇文章，这篇文章主要是讲Scrapy理论知识的，手把手教你使用scrapy框架来爬取北京新发地价格行情(理论篇)，今天在这里分享我的第三
|
大家好!我是霖hero。上个月的时候，我写了一篇关于IP代理的文章，手把手教你使用XPath爬取免费代理IP;前几天，我又发布了第二篇文章，这篇文章主要是讲Scrapy理论知识的，手把手教你使用scrapy框架来爬取北京新发地价格行情(理论篇)，今天在这里分享我的第三篇文章，关于Scrapy实战的应用文章，希望大家可以喜欢。 前言 关于Scrapy理论的知识，可以参考我的上一篇文章，这里不再赘述，直接上干货。 实战演练 爬取分析 首先我们进入北京新发地价格行情网页并打开开发者工具，如下图所示： 经过简单的查找，发现每个getPriceData.html存放着价格行情的数据，由此可得，我们可以通过getPriceData.html来进行数据的获取。 观察Headers请求，如下图所示： 发现它是POST请求，请求URL链接是http://www.xinfadi.com.cn/getPriceData.html，current是翻页的重要参数，limit是每页有多少行数据，我们可以构造消息体，代码如下所示： data={ 'limit': '20', 'current':page } 通过scrapy.Request()方法将消息体传入到参数里面。 或者我们可以根据测试和观察规律，自己构造URL链接，通过观察分析，请求的URL链接可以为： http://www.xinfadi.com.cn/getPriceData.html?limit=20¤t=1 http://www.xinfadi.com.cn/getPriceData.html?limit=20¤t=2 http://www.xinfadi.com.cn/getPriceData.html?limit=20¤t=3 创建Spider爬虫 分析北京新发地价格行情后，接下来我们首先创建一个Scrapy项目，使用如下命令： scrapy startproject Vegetables 这样我们就成功创建了一个Scrapy项目，项目文件如下所示： 接下来创建spider爬虫，使用如下命令： scrapy genspider vegetables www.xinfadi.com.cn 创建后vegetables.py内容如下所示： import scrapy class VegetablesSpider(scrapy.Spider): name = 'vegetables' allowed_domains = ['www.xinfadi.com.cn'] start_urls = ['https://www.xinfadi.com.cn'] def parse(self, response): pass 提取数据 在提取数据前，我们首先把要爬取的数据字段在items.py文件中定义好，代码如下所示： import scrapy class VegetablesItem(scrapy.Item): # define the fields for your item here like: productName = scrapy.Field() lowPrice=scrapy.Field() highPrice=scrapy.Field() 这里我们定义了三个字段分别是productName、lowPrice、highPrice 定义好字段后，接下来将在创建的vegetables.py文件中进行数据的提取，具体代码如下 import scrapy from Vegetables.items import VegetablesItem class VegetablesSpider(scrapy.Spider): name = 'vegetables' allowed_domains = ['www.xinfadi.com.cn'] def start_requests(self): for i in range(1, 3): url = f'http://www.xinfadi.com.cn/getPriceData.html?limit=20¤t={i}' yield scrapy.Request(url=url, callback=self.parse) def parse(self, response): html = response.json() fooddata = html.get('list') for i in fooddata: item=VegetablesItem() item['highPrice'] =i.get('highPrice'), item['lowPrice'] = i.get('lowPrice'), item['prodName'] = i.get('prodName'), yield item 首先我们导入vegetablesitem，使用start_requests函数实现翻页，大家可以使用刚才我们所讲的方法实现翻页，实现翻页后，我们通过编写parse()方法实现数据的获取，首先我们把引擎响应的数据以json()格式存放在html里面，调用get()方法来提取我们想要的数据，最后通过yield生成器返回给引擎。 （编辑：拼字网 - 核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐