Python网络爬虫（六）- Scrapy框架

Python网络爬虫（一）- 入门基础

Python网络爬虫（二）- urllib爬虫案例

Python网络爬虫（三）- 爬虫进阶

Python网络爬虫（四）- XPath

Python网络爬虫（五）- Requests和Beautiful Soup

Python网络爬虫（六）- Scrapy框架

Python网络爬虫（七）- 深度爬虫CrawlSpider

Python网络爬虫（八） - 利用有道词典实现一个简单翻译程序

1.Scrapy

Scrapy介绍
- 纯python开发实现的一个爬虫框架
- 包含爬取数据、提取结构性数据、应用框架
- 底层通过Twisted异步网络框架处理网络通讯
- 可扩展、高性能、多线程、分布式爬虫框架

scrapy体系结构

Scrapy Engine（引擎组件）：

负责Spider、ItemPipeline、Downloader、Scheduler的工作调度、信息通讯、数据传递等工作

Scheduler（调度组件）：

负责接收引擎传递过来的请求，按照具体规则添加队列处理，最终返回给引擎

Downloader（下载组件）：

负责下载引擎传递过来的所有Request请求，最终服务器的响应数据返回给引擎组件

Spider（爬虫）：

处理所有Response响应，分析提取Item数据
如果数据中有二次请求，继续交给引擎组件

ItemPipeline（管道）：

负责[分析、过滤、存储]处理由Spiders获取到的Item数据

Scrapy Engine(Scrapy核心) 负责数据流在各个组件之间的流。Spiders(爬虫)发出Requests请求，经由Scrapy Engine(Scrapy核心) 交给Scheduler(调度器)，Downloader(下载器)Scheduler(调度器) 获得Requests请求，然后根据Requests请求，从网络下载数据。Downloader(下载器)的Responses响应再传递给Spiders进行分析。根据需求提取出Items，交给Item Pipeline进行下载。Spiders和Item Pipeline是需要用户根据响应的需求进行编写的。除此之外，还有两个中间件，Downloaders Mddlewares和Spider Middlewares，这两个中间件为用户提供方面，通过插入自定义代码扩展Scrapy的功能，例如去重等。

常用命令

startproject：创建一个新项目
genspider：根据模板生成一个新爬虫
crawl：执行爬虫
shell：启动交互式抓取控制台

2.安装和配置

我的系统是 Win7，所以这里只详细介绍Windows 平台的安装，首先，你要有Python，我用的是2.7.7版本和3.5的版本共存。

官网文档：http://doc.scrapy.org/en/latest/intro/install.html
中文文档

说点题外话，其实并不是所有的官网文档都很难看懂，每次进入英文的网站，你觉得很难只是你对英文网站反射性的抵触而已，慢慢的读下去，不懂的可以查有道词典，慢慢的你看到一些全是英文网站会发现其实没有想象的那么难了。言归正传，我们简单介绍下ubuntu和mac os下的Scrapy安装

ubuntu安装

apt-get install python-dev python-pip libxml12-dev libxstl1-dev 
    zlig1g-dev libssl-dev
pip install scrapy

mac os安装

官方：建议不要使用自带的python环境
安装：参考官方文档

1.windows安装

在命令窗口输入：

pip install scrapy

安装完毕之后，输入 scrapy

显示如下即安装成功

同时需要安装win32py，提供win32api，下载地址：https://sourceforge.net/projects/pywin32/files/

点击pywin32

点击最新的

找到适合自己的版本，我用的是python2.7

下载完成以后，这是一个exe文件，直接双击安装就可以了。点击下一步。

第二步，你会看到你的python安装目录，如果没有检测到你的python安装目录，八成你现在的pywin32版本是不对的，重新下载。点击下一步

看到这个界面，说明你安装完成

在python中，引入win32com，测试一下，如果没有错误提示，说明安装成功

3.安装过程常见错误

如果是这个错误，这是pip版本的问题,需要更新pip的版本

在命令窗口输入：

pip install -U pip
更新成功

如果出现的错误是ReadTimeout，则是超时的原因，重新安装一遍就行。
其他错误参考网站：python+scrapy安装教程，一步步来一遍看到底是哪一步出错。

4.代码操作 - 创建一个Scrapy项目

流程：

创建一个Scrapy项目；

定义提取的Item；

编写爬取网站的 spider 并提取 Item；

编写 Item Pipeline 来存储提取到的Item(即数据)。

1.爬取智联招聘相关python搜索页数据

分析：

（1）分析智联招聘网址构成；

（2）获取网页结构，找出对应的Xpath；

（3）写入html文档。

分析过程：

通过审查元素找到url访问的真实地址

真实url的地址

分析网页中数据对应的Xpath,

# 当前页面中所有的岗位描述
//div[@id="newlist_list_div"]//table

# 招聘岗位
//div[@id="newlist_list_div"]//table//td[1]//a

# 反馈概率
//div[@id="newlist_list_div"]//table//td[2]//span

# 发布公司
//div[@id="newlist_list_div"]//table//td[3]//a/text()

# 岗位月薪
//div[@id="newlist_list_div"]//table//td[4]/text()

创建第一个Scrapy框架第一个项目
- 在命令窗口输入

scrapy startproject firPro

会创建一个firPro的文件夹，结构如下：

|-- firProl/                        # 项目文件夹
    |-- scrapy.cfg              # 项目发布配置
    |-- spiders/                    # 项目模块存储了实际的爬虫代码
        |-- __init__.py         # 模块描述文件
        |-- items.py                # 定义了待抓取域的模型
        |-- pipelines.py            # 项目pipelines定义文件
        |--settings.py          # 项目全局配置，定义了一些设置，如用户代理、爬取延时等。
        |-- spiders/                # 爬虫模块<开发>
            |-- __init__.py     # 模块描述文件

1.`items.py`中代码

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy


class FirproItem(scrapy.Item):
   # define the fields for your item here like:
   # name = scrapy.Field()

   #定义保存岗位的名称的字段
   name = scrapy.Field()
   #反馈概率
   percent = scrapy.Field()
   #发布公司
   company = scrapy.Field()
   #岗位月薪
   salary = scrapy.Field()
   #工作地点
   position = scrapy.Field()

2.在spiders创建`fir_spider.py`文件

# -*- coding: utf-8 -*-
import scrapy

#自定义的爬虫程序处理类，要继承scrapy模块的spider类型
class Firspider(scrapy.Spider):
    #定义爬虫程序的名称，用于程序的启动使用
    name = 'firspider'
    #定义爬虫程序运行的作用域--域名
    allow_domains = 'http://sou.zhaopin.com'
    #定义爬虫程序真实爬取url地址的列表/原组
    start_urls = ('http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E4%B8%8A%E6%B5%B7&kw=python&sm=0&p=1&source=0',)

    #定义爬虫获取到的响应数据处理类
    #response就是爬取程序获取的数据
    def parse(self,response):
        with open(u'智联.html','w') as f:
            f.write(response.body)

3.在当前文件夹进入命令窗口

输入命令运行：

#这里运行的名字是fir_spider.py中定义爬虫程序的名称
scrapy crawl firspider

这里爬取到了整个网页的html,我们可以通过Xpath匹配到我们想要的数据

4.保存我们想要的数据

# -*- coding: utf-8 -*-
import scrapy
from firPro.items import FirproItem

#自定义的爬虫程序处理类，要继承scrapy模块的spider类型
class Firspider(scrapy.Spider):
    #定义爬虫程序的名称，用于程序的启动使用
    name = 'firspider'
    #定义爬虫程序运行的作用域--域名
    allow_domains = 'http://sou.zhaopin.com'
    #定义爬虫程序真实爬取url地址的列表/原组
    start_urls = ('http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E4%B8%8A%E6%B5%B7&kw=python&sm=0&p=1&source=0',)

    #定义爬虫获取到的响应数据处理类
    #response就是爬取程序获取的数据
    # def parse(self,response):
    #     with open(u'智联.html','w') as f:
    #         f.write(response.body)


    def parse(self, response):
        print (response.body)
        #获取所匹配的岗位
        job_list= response.xpath('//div[@id="newlist_list_div"]//table')

        #用于存放需要的岗位数据
        job_lists = []

        for job in job_list:
            #创建一个Item对象，用于存放匹配的目标数据
            item = FirproItem()

            #想要显示全，就需要extract()方法，转换成字符串输出
            item["name"] = job.xpath(".//td[1]//a/text()[1]").extract()
            item["percent"] = job.xpath(".//td[2]//span")
            item["company"] = job.xpath(".//td[3]//a/text()")
            item["salary"] = job.xpath(".//td[4]/text()")
            item["position"] = job.xpath(".//td[5]/text()")

            #保存数据
            job_lists.append(item)

            #将数据提交给模块pipelines处理
            yield item

同时settings.py中需伪装请求头

DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
  'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36',
}

#把ITEM_PIPELINES的注释取消
ITEM_PIPELINES = {
   'firPro.pipelines.FirproPipeline': 300,
}

settings.py介绍
- ROBOTSTXT_OBEY = True：是否遵守robots.txt
- CONCURRENT_REQUESTS = 16：开启线程数量，默认16
- AUTOTHROTTLE_START_DELAY = 3：开始下载时限速并延迟时间
- AUTOTHROTTLE_MAX_DELAY = 60：高并发请求时最大延迟时间
- BOT_NAME：自动生成的内容,根名字;
- SPIDER_MODULES：自动生成的内容;
- NEWSPIDER_MODULE：自动生成的内容；
- ROBOTSTXT_OBEY：自动生成的内容,是否遵守robots.txt规则，这里选择不遵守；
- ITEM_PIPELINES：定义item的pipeline；
- IMAGES_STORE:图片存储的根路径；
- COOKIES_ENABLED:Cookie使能，这里禁止Cookie;
- DOWNLOAD_DELAY：下载延时，默认为3s。

附：Python yield 使用浅析

这只是简单的爬虫,接下来我们保存我们想要的数据

items.py

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy


class FirproItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()

    #定义保存岗位的名称的字段
    name = scrapy.Field()
    #反馈概率
    percent = scrapy.Field()
    #发布公司
    company = scrapy.Field()
    #岗位月薪
    salary = scrapy.Field()
    #工作地点
    position = scrapy.Field()

pipelines.py

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html

import json

class FirproPipeline(object):
    def __init__(self):
        self.file=open('zhilian.json','w')

    def process_item(self, item, spider):
        text = json.dumps(dict(item),ensure_ascii=False)
        self.file.write(text.encode('utf-8'))
        print '-----------------'

    def close_spider(self,spider):
        self.file.close()

        #return item

fir_spider.py

# -*- coding: utf-8 -*-
import scrapy
from firPro.items import FirproItem
import re

#自定义的爬虫程序处理类，要继承scrapy模块的spider类型
class Firspider(scrapy.Spider):

    #定义正则匹配，把匹配到的数据进行替换
    reg = re.compile('\s*')
    #定义爬虫程序的名称，用于程序的启动使用
    name = 'firspider'
    #定义爬虫程序运行的作用域--域名
    allow_domains = 'http://sou.zhaopin.com'
    #定义爬虫程序真实爬取url地址的列表/原组
    url = 'http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E4%B8%8A%E6%B5%B7&kw=python&sm=0&source=0&sg=b8e8fb4080fa47afa69cd683dfbfccf9&p='
    p = 1
    start_urls = [url + str(p)]

    def parse(self, response):
        # print (response.body)
        #获取所匹配的岗位
        job_list= response.xpath('//div[@id="newlist_list_div"]//table')[2:]


        for job in job_list:
            #创建一个Item对象，用于存放匹配的目标数据
            item = FirproItem()
            name =job.xpath(".//tr[1]//td[1]//a")


            # name = self.reg.sub('', job.xpath(".//td[1]//a/text()[1]").extract())

            item["name"] = self.reg.sub('',name.xpath("string(.)").extract()[0])
           
            item["percent"] = job.xpath(".//td[2]//span[1]/text()").extract()
            item["company"] = job.xpath(".//td[3]//a/text()").extract()
            item["salary"] = job.xpath(".//td[4]/text()").extract()
            item["position"] = job.xpath(".//td[5]/text()").extract()
            # 将数据提交给模块pipelines处理
            yield item

        if self.p<=10:
            self.p+=1

        yield scrapy.Request(self.url + str(self.p),callback=self.parse)

同时settings.py中需伪装请求头

DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
  'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36',
}

#把ITEM_PIPELINES的注释取消
ITEM_PIPELINES = {
   'firPro.pipelines.FirproPipeline': 300,
}

爬取的zhilian.json数据

2.爬取中华英才网招聘相关python搜索页数据

items.py

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy


class ZhycItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    # 定义需要封装的字段
    name = scrapy.Field()
    publish = scrapy.Field()
    company = scrapy.Field()
    require = scrapy.Field()
    salary = scrapy.Field()
    desc = scrapy.Field()

pipelines.py

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import json

class ZhycPipeline(object):
    def __init__(self):
        self.file = open("zhonghuayingcai.json", "w")

    def process_item(self, item, spider):
        text = json.dumps(dict(item), ensure_ascii=False)
        self.file.write(text.encode("utf-8"))
        print "*****************************************"
        #return item

    def close_spider(self, spider):
        self.file.close()

zhycspider.py

# -*- coding: utf-8 -*-
import scrapy
import re
from zhyc.items import ZhycItem

class ZhycspiderSpider(scrapy.Spider):
    reg = re.compile("\s*")
    name = 'zhycspider'
    allowed_domains = ['www.chinahr.com']

    url = "http://www.chinahr.com/sou/?orderField=relate&keyword=python&city=36,400&page="
    page = 1
    start_urls = [url + str(page)]

    def parse(self, response):
        job_list_xpath = response.xpath('//div[@class="jobList"]')

        for jobitem in job_list_xpath:

            item = ZhycItem()

            name = jobitem.xpath(".//li[1]//span[1]//a")
            item["name"] = self.reg.sub("", name.xpath("string(.)").extract()[0])
           
            item["publish"] = self.reg.sub("", jobitem.xpath(".//li[1]//span[2]/text()").extract()[0])

            item["company"] = self.reg.sub("", jobitem.xpath(".//li[1]//span[3]//a/text()").extract()[0])
            item["require"] = self.reg.sub("", jobitem.xpath(".//li[2]//span[1]//text()").extract()[0])
            item["salary"] = self.reg.sub("", jobitem.xpath(".//li[2]//span[2]//text()").extract()[0])
            desc = jobitem.xpath(".//li[2]//span[3]")
            item["desc"] = self.reg.sub("", desc.xpath("string(.)").extract()[0])

            #print name, publish, company, require, salary, desc
            #job_list.append(item)

            yield item
        
        if self.page <= 10:
            self.page += 1
        
        yield scrapy.Request(self.url + str(self.page), callback=self.parse)
        #return job_list

同时settings.py中需伪装请求头

DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
  'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36',
}

#把ITEM_PIPELINES的注释取消
ITEM_PIPELINES = {
   'firPro.pipelines.FirproPipeline': 300,
}

爬取数据文件zhonghuayingcai.json

{
  "salary": "8000-15000",
  "name": "python测试工程师",
  "company": "Fonrich",
  "publish": "今天",
  "require": "[上海市/闵行]应届生/本科",
  "desc": "电子/半导体/集成电路|民营/私企|51－100人"
}{
  "salary": "7000-10000",
  "name": "风险软件工程师(Python方向)",
  "company": "中银消费金融有限公司",
  "publish": "今天",
  "require": "[上海市/黄浦]2年/本科",
  "desc": "证券|民营/私企|101－300人"
}{
  "salary": "8000-15000",
  "name": "Python爬虫开发工程师",
  "company": "维赛特财经",
  "publish": "今天",
  "require": "[上海市/虹口]1年/大专",
  "desc": "计算机软件|民营/私企|101－300人"
}{
  "salary": "8000-16000",
  "name": "python爬虫开发工程师",
  "company": "上海时来",
  "publish": "今天",
  "require": "[上海市/长宁]应届生/大专",
  "desc": "数据服务|民营/私企|21－50人"
}{
  "salary": "3000-6000",
  "name": "Python讲师-上海",
  "company": "伊屋装饰",
  "publish": "8-11",
  "require": "[上海市/黄浦]2年/大专",
  "desc": "移动互联网|民营/私企|20人以下"
}{
  "salary": "6000-8000",
  "name": "python开发工程师",
  "company": "华住酒店管理有限公司",
  "publish": "7-27",
  "require": "[上海市/闵行]应届生/本科",
  "desc": "酒店|外商独资|500人以上"
}{
  "salary": "15000-25000",
  "name": "赴日Python工程师",
  "company": "SunWell",
  "publish": "昨天",
  "require": "[海外/海外/]4年/本科",
  "desc": "人才服务|民营/私企|101－300人"
}
.........
.........

5.Scrapy框架进阶 - 深度爬虫

爬取智联python招聘岗位

items.py

# -*- coding: utf-8 -*-
import scrapy

class ZlItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    #岗位名称
    name = scrapy.Field()
    #反馈率
    percent = scrapy.Field()
    #公司名称
    company = scrapy.Field()
    #职位月薪
    salary = scrapy.Field()
    #工作地点
    position = scrapy.Field()

pipelines.py

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html

import json

class ZlPipeline(object):
    def __init__(self):
        self.file = open("sdzp.json", "w")

    def process_item(self, item, spider):
        text = json.dumps(dict(item), ensure_ascii=False)
        self.file.write(text.encode("utf-8"))
        #return item

    def close_spider(self, spider):
        self.file.close()

zlzp.py

# -*- coding: utf-8 -*-
from scrapy.spiders import CrawlSpider,Rule
from scrapy.linkextractors import LinkExtractor
from zl.items import ZlItem

class ZlzpSpider(CrawlSpider):

    name = 'sdzpspider'
    allowed_domains = ['zhaopin.com']
    start_urls = ['http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%e4%b8%8a%e6%b5%b7&kw=python&sm=0&source=0&sg=936e2219abfb4f07a17009a930d54a37&p=1']

    #定义超链接的提取规则
    page_link = LinkExtractor(allow=('&sg=936e2219abfb4f07a17009a930d54a37&p=\d+'))

    #定义爬虫爬取数据的规则
    rules=[
        Rule(page_link,callback='parse_content',follow=True)

    ]

    #定义处理函数
    def parse_content(self, response):
        #获取整个我们需要的数据区域
        job_list = response.xpath('//div[@id="newlist_list_content_table"]//table//tr[1]')


        for job in job_list:
            #定义一个item,用于存放目标数据
            item = ZlItem()
            name = job.xpath(".//td[1]//a")
            if len(name)>0:
                item['name'] = name.xpath('string(.)').extract()[0]


            percent = job.xpath('.//td[2]//span/text()')
            if len(percent)>0:
                item['percent']=percent.extract()[0]

            company = job.xpath(".//td[3]//a[1]/text()")
            if len(company) > 0:
                item["company"] = company.extract()[0]

            salary = job.xpath(".//td[4]/text()")
            if len(salary) > 0:
                item["salary"] = salary.extract()[0]
            position = job.xpath(".//td[5]/text()")
            if len(position) > 0:
                item["position"] = position.extract()[0]

            yield item

爬取结果显示：

{}{
  "salary": "15000-25000",
  "position": "上海",
  "company": "Aon Hewitt 怡安翰威特",
  "name": "Senior Web Developer (Python)"
}{}{}{
  "salary": "20001-30000",
  "position": "上海",
  "company": "上海英方软件股份有限公司",
  "name": "PHP/Python资深研发工程师"
}{
  "salary": "10000-20000",
  "position": "上海",
  "company": "上海英方软件股份有限公司",
  "name": "PHP/Python高级研发工程师："
}{
  "salary": "15000-30000",
  "position": "上海-长宁区",
  "company": "携程计算机技术(上海)有限公司",
  "name": "大数据产品开发"
}{
  "salary": "面议",
  "position": "上海",
  "company": "Michelin China 米其林中国",
  "name": "DevOps Expert"
}{
  "salary": "10001-15000",
  "position": "上海",
  "company": "中兴通讯股份有限公司",
  "name": "高级软件工程师J11015"
}{
  "salary": "10000-20000",
  "position": "上海",
  "company": "上海微创软件股份有限公司",
  "name": "高级系统运维工程师（赴迪卡侬）"
}{
  "salary": "10000-15000",
  "position": "上海-浦东新区",
  "company": "北京尚学堂科技有限公司",
  "name": "Python讲师（Web方向）"
}{}{
  "salary": "30000-50000",
  "position": "上海",
  "company": "上海复星高科技（集团）有限公司",
  "name": "系统架构负责人"
}{
  "salary": "面议",
  "position": "上海-长宁区",
  "company": "美团点评",
  "name": "前端开发工程师"
}{
  "salary": "12000-18000",
  "position": "上海",
  "company": "上海微创软件股份有限公司",
  "name": "Web前端工程师"
}{
  "salary": "10000-13000",
  "position": "上海",
  "company": "上海微创软件股份有限公司",
  "name": "测试工程师（Test Engineer）（赴诺亚财富）"
}{
  "salary": "10000-20000",
  "position": "上海-浦东新区",
  "company": "上海洞识信息科技有限公司",
  "name": "高级python研发人员"
}{
  "salary": "6001-8000",
  "position": "上海-徐汇区",
  "company": "上海域鸣网络科技有限公司",
  "name": "Python软件开发"
}{
  "salary": "15000-25000",
  "position": "上海-浦东新区",
  "company": "中移德电网络科技有限公司",
  "percent": "62%",
  "name": "大数据架构师"
}{
  "salary": "18000-22000",
  "position": "上海-浦东新区",
  "company": "北京中亦安图科技股份有限公司",
  "name": "大数据开发工程师"
}
......
......

最后编辑于：2020.12.02 11:04:40

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 203,271评论 5赞 476
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,275评论 2赞 380
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 150,151评论 0赞 336
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,550评论 1赞 273
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,553评论 5赞 365
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,559评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 37,924评论 3赞 395
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,580评论 0赞 257
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,826评论 1赞 297
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,578评论 2赞 320
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,661评论 1赞 329
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,363评论 4赞 318
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,940评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,926评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,156评论 1赞 259
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 42,872评论 2赞 349
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,391评论 2赞 342

Python网络爬虫（六）- Scrapy框架

Python网络爬虫（六）- Scrapy框架

目录：

1.Scrapy

scrapy体系结构

常用命令

2.安装和配置

1.windows安装

3.安装过程常见错误

4.代码操作 - 创建一个Scrapy项目

流程：

1.爬取智联招聘相关python搜索页数据

1.`items.py`中代码

2.在spiders创建`fir_spider.py`文件

3.在当前文件夹进入命令窗口

4.保存我们想要的数据

这只是简单的爬虫,接下来我们保存我们想要的数据

2.爬取中华英才网招聘相关python搜索页数据

5.Scrapy框架进阶 - 深度爬虫

爬取智联python招聘岗位

推荐阅读更多精彩内容

Python网络爬虫（六）- Scrapy框架

目录：

1.Scrapy

scrapy体系结构

常用命令

2.安装和配置

1.windows安装

3.安装过程常见错误

4.代码操作 - 创建一个Scrapy项目

流程：

1.爬取智联招聘相关python搜索页数据

1.items.py中代码

2.在spiders创建fir_spider.py文件

3.在当前文件夹进入命令窗口

4.保存我们想要的数据

这只是简单的爬虫,接下来我们保存我们想要的数据

2.爬取中华英才网招聘相关python搜索页数据

5.Scrapy框架进阶 - 深度爬虫

爬取智联python招聘岗位

推荐阅读更多精彩内容

1.`items.py`中代码

2.在spiders创建`fir_spider.py`文件