李晓波 诺贝尔,海底避难所,刘战零
scrapy startproject putu
二.创建spider文件
scrapy genspider patubole patubole.com
三.利用chrome浏览器分析出房价和标题的两个字段的xpath表达式,开始编写patubole.py文件。网络的爬取是通过这个文件进行的
以下代码是最终的代码
所建的patubole.py文件必须实现name,parse函数,start_url这三个属性
四.将爬取的数据保存到数据库sufang中。
(1)在pycharm中新建数据库
完成后会出现
(2)将数据存放在新建的数据库zufang的数据表sufang中
数据的爬取是有patubole.py实现的,数据的存储是由pipelines.py实现的,pipelines.py又是有items.py提供数据的支持
所以编写items.py
此时就要回过头来修改刚开是为了测试编写的patubole.py 文件
代码如下
3)在settings.py中进行patupipeline文件配置
item_pipelines = {
'patu.pipelines.patupipeline': 300,
}
(5)pipelines.py文件代码,实现存储数据到数据库中
其中包含sql的相关知识
最终结果
其中main.py文件是为了调式方便而添加的,可以不用,直接用相关命令启动爬虫
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复
Python爬虫:Request Payload和Form Data的简单区别说明
浅谈Python中threading join和setDaemon用法及区别说明
Python3-异步进程回调函数(callback())介绍
python继承threading.Thread实现有返回值的子类实例
Python中使用threading.Event协调线程的运行详解
网友评论