scrapy爬虫登陆后爬取

直接上代码例子:

import scrapy
import requests
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor
from scrapy.http import Request, FormRequest, HtmlResponse
from spiderman.items import SpidermanItem

class ItjuziWebSpider(CrawlSpider):
    name = "itjuziweb"
    allowed_domains = ["itjuzi.com"]

    start_urls =["https://www.itjuzi.com/user/login"]

    rules = (
        Rule(LinkExtractor(allow=('http://www.itjuzi.com/company\?page=\d+', ))),

        Rule(LinkExtractor(allow=('http://www.itjuzi.com/company/\d+', )), callback='parse_item'),
    )

    def __init__(self, *a, **kw):
        super(ItjuziWebSpider, self).__init__(*a, **kw)

        self.cookie = ''
        self.resp = requests.Session()
        self.request_headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko",
            "Referer": "https://www.itjuzi.com",
        }

        self.post_headers = {
            "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
            "Accept-Encoding": "gzip, deflate",
            "Accept-Language": "zh-CN,zh;q=0.8,en;q=0.6",
            "Cache-Control": "no-cache",
            "Connection": "keep-alive",
            "Content-Type": "application/x-www-form-urlencoded",
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36",
            "Referer": "https://www.itjuzi.com/",
        }



    def parse_start_url(self, response):
        # 登陆成功后, 会调用after_login回调函数
        print('Preparing login')
        url = 'https://www.itjuzi.com/user/login'
        post_data = {
              'identity':'linzikristy@qq.com',
              'password':'a761177953z',
              'remember':'1',
              'page':'',
              'url':'',
          }
        r = self.resp.post(url, headers=self.post_headers, data=post_data)
        cookie_dict = {}
        for x in r.cookies:
            cookie_dict[x.name] = x.value
        self.cookie = cookie_dict

        # self.after_login()
        yield Request('http://www.itjuzi.com/company?page=1',headers=self.post_headers, cookies=self.cookie)


    def parse_item(self, response):
        self.log('Hi, this is an item page! %s' % response.url)

        item = SpidermanItem()
        item['item_id'] = response.xpath("//*[@id='modal_myinc']/div/div/div[2]/div/form/input/@value").extract()[0]
        item['item_name'] = response.xpath("//input[contains(@name,'com_name')]/@value").extract()[0]
        item_logo = response.xpath("//div[contains(@class,'rowhead')]/div[contains(@class,'pic')]/img/@src").extract()
        if item_logo is None:
            item['item_logo'] = ''
        else:
            item['item_logo'] = ','.join(item_logo)
        item['item_brief'] = response.xpath("//meta[@name='Description']/@content").extract()[0]
        item_area = response.xpath("//div[contains(@class,'tagset dbi c-gray-aset')]/a/span/text()").extract()
        if item_area is None:
            item['item_area'] = ''
        else:
            item['item_area'] = ','.join(item_area)
        item_CEO = response.xpath("//a[contains(@class,'title')]//span[contains(@class,'c')][1]/text()").extract()
        if item_CEO is None:
            item['item_CEO'] = ''
        else:
            item['item_CEO'] = ','.join(item_CEO)
        item_round = response.xpath("//span[contains(@class,'t-small c-green')]/text()").extract()
        if item_round is None:
            item['item_round'] = ''
        else:
            item['item_round'] = ','.join(item_round).strip(',').strip('\n').strip('\t').strip('\n').strip('(').strip(')');

        item_website = response.xpath("//input[contains(@name,'com_url')]/@value").extract()
        if item_website is None:
            item['item_website'] = ''
        else:
            item['item_website'] = ','.join(item_website).strip(',')

        item['item_from'] = 'IT桔子'
        item['item_phone'] = ''
        item['item_email'] = ''
        item_weixin = response.xpath("//li[@class='wx-text']/a/text()").extract()
        if item_weixin is None:
            item['item_weixin'] = ''
        else:
            item['item_weixin'] = ','.join(item_weixin).strip(',').strip(' ')

        item_weibo = response.xpath("//div[@class='link-line']/a[1]/@href").extract()
        if item_weibo is None:
            item['item_weibo'] = ''
        else:
            item['item_weibo'] = ','.join(item_weibo).strip(',').strip(' ')

        item['item_from_website'] = response.url
        item_address = response.xpath("//span[contains(@class,'loca c-gray-aset')]/a/text()").extract()
        if item_address is None:
            item['item_address'] = ''
        else:
            item['item_address'] = ','.join(item_address).strip(',').strip(' ')
        return 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 206,482评论 6 481
  • 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 88,377评论 2 382
  • 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 152,762评论 0 342
  • 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 55,273评论 1 279
  • 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 64,289评论 5 373
  • 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 49,046评论 1 285
  • 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 38,351评论 3 400
  • 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 36,988评论 0 259
  • 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 43,476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 35,948评论 2 324
  • 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 38,064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 33,712评论 4 323
  • 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 39,261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 30,264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 31,486评论 1 262
  • 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 45,511评论 2 354
  • 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 42,802评论 2 345

推荐阅读更多精彩内容