按关键字爬取某政府网站信息

编译环境:spyder(python 3.6),windows 10
运行环境:linux
我用的scrapy框架做的,写起来还是很方便的,有时间再加注释。。。
所有代码如下:
setting文件

BOT_NAME = 'bidinfo'

SPIDER_MODULES = ['bidinfo.spiders']
NEWSPIDER_MODULE = 'bidinfo.spiders'
LOG_LEVEL = 'INFO'


# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'bidinfo (+http://www.yourdomain.com)'

# Obey robots.txt rules
ROBOTSTXT_OBEY = True
DOWNLOAD_DELAY = 1

ITEM_PIPELINES = {
    'bidinfo.pipelines.BidinfoPipeline': 300,
}

item文件

import scrapy


class BidinfoItem(scrapy.Item):
    title = scrapy.Field()  # 标题
    url = scrapy.Field()  # 链接
    label = scrapy.Field()  # 标签
    post_time = scrapy.Field()  # 发表时间
    content = scrapy.Field()  # 内容
    # define the fields for your item here like:
    # name = scrapy.Field()

pipelines文件

from scrapy import signals  
#import json  
#import codecs  
import sys 
#import importlib
#importlib.reload(sys) 

class BidinfoPipeline(object):
    def process_item(self, item, spider):
        name = item['title'] 
        file_name = str(name)+".txt"  
        cpath='/media/BidCrawler/bid'+'/'
        path=cpath+file_name
        print(path)
        fp = open(path,'w')
        fp.write(item['title']+'\n')
        fp.write(item['url']+'\n')
        fp.write(item['label']+'\n')
        fp.write(item['post_time']+'\n')
        fp.write(item['content'])  
        fp.close()
         #with opne("a.txt","a") as f:
             #f.write(log)

        return item

spider文件

import scrapy
import sys
from bidinfo.items import BidinfoItem
from scrapy.http import Request
import re


class BidnewsSpider(scrapy.Spider):
    name = 'bidnews'
    allowed_domains = ['ccgp.gov.cn']
    
    def start_requests(self):
        #kws=['客流预测','wifi探针','公交线网优化','公交线网','公交运行','公交走廊',
         # '公交专用道','OD','智慧交通','智能交通','公共交通','智能交通管理',
          #'智慧城市顶层设计','运行指数','智慧城市规划','多规合一','出行特征',
          #'人流应急管理','交通枢纽','交通仿真','交通优化','TransCAD']
        kws=sys.argv[1]
        kws=kws.strip('[\']').split("', '")
        start_time=sys.argv[2].replace('-','%3A')
        end_time=sys.argv[3].replace('-','%3A')
        all_urls = ["http://search.ccgp.gov.cn/bxsearch?searchtype=1&page_index=1&bidSort=0&buyerName=&projectId=&pinMu=0&bidType=0&dbselect=bidx&kw={0}&start_time={1}&end_time={2}&timeType=2&displayZone=&zoneId=&pppStatus=0&agentName=".format(i,start_time,end_time) for i in kws]
        for url in all_urls:
            yield Request(url,self.parse)
    def parse(self, response):
        page=(int(response.xpath('//div[@class="vT_z"]/div[1]/div/p[1]/span[2]/text()').extract()[0])//20)+2
        for i in range(1,page):  
            url =str(response.url)
            x='page_index='+str(i)
            url = re.sub(r'page_index=(.)',x,url)
            yield Request(url, callback=self.get_message) 
            
    def get_message(self, response):
        item = BidinfoItem()
        item['title'] = str(response.xpath('//h2[@class="tc"]/text()').extract()[0]).replace('/','')
        item['url'] = str(response.url)  
        item['label'] = '|'.join(response.xpath('//div[@class="vT_detail_nav_lks"]/a/text()').extract()[1:3])
        item['post_time'] = str(response.xpath('//span[@id="pubTime"]/text()').extract()[0])
        item['content'] = ''.join([i.strip() for i in response.xpath('//div[@class="vT_detail_content w760c"]//text()').extract()])
        yield item

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 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 205,386评论 6 479
  • 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 87,939评论 2 381
  • 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 151,851评论 0 341
  • 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 54,953评论 1 278
  • 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 63,971评论 5 369
  • 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 48,784评论 1 283
  • 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 38,126评论 3 399
  • 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 36,765评论 0 258
  • 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 43,148评论 1 300
  • 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 35,744评论 2 323
  • 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 37,858评论 1 333
  • 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 33,479评论 4 322
  • 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 39,080评论 3 307
  • 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 30,053评论 0 19
  • 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 31,278评论 1 260
  • 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 45,245评论 2 352
  • 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 42,590评论 2 343

推荐阅读更多精彩内容