当前位置： 移动技术网 > IT编程>脚本编程>Python > Python scrapy框架爬取瓜子二手车信息数据

Python scrapy框架爬取瓜子二手车信息数据

2019年05月10日  | 移动技术网IT编程  | 我要评论

电脑壁纸网,郝邵文经纪人,搭讪的技巧

项目实施依赖：

python，scrapy ，fiddler

scrapy安装依赖的包：

可以到  下载 pywin32，lxml，twisted，scrapy然后pip安装

项目实施开始：

1、创建scrapy项目：cmd中cd到需创建的文件目录下

scrapy  startproject guazi

2、创建爬虫：cd到创建好的项目下

1 scrapy genspider gz guazi.com

3、分析目标网址：

　　第一次我直接用的谷歌浏览器的抓包分析，取得ua和cookies请求，返回的html数据完全缺失，分析可能是携带的cookies

有问题，然后就用fiddler抓包才，得到cookies与谷歌上得到cookies多了ua，时间等参数，

4、将ua，cookies添加到下载中间中去：

1 class guzi1downloadermiddleware(object):
2     def process_request(self, request, spider):
3             # 需要对得到的cookies处理成字典类型
4         request.cookies={}
5         request.headers["user-agent"]=""

5、在settings中将downloader_middlewares打开

6、在spiders目录下找到gz.py开始编写爬虫逻辑处理

 1 import scrapy
 2 import time
 3 
 4 class gzspider(scrapy.spider):
 5     name = 'gz'
 6     allowed_domains = ['guazi.com']
 7     start_urls = ['https://www.guazi.com/cd/buy/0']
 8 
 9     def parse(self, response):
10         # 得到页面上所有车辆的url
11         url_list = response.xpath('//ul[@class="carlist clearfix js-top"]//li/a/@href').extract()
12         url_list = [response.urljoin(url) for url in url_list]
13         url_list = [url.replace("cq", "cd") for url in url_list]
14         for url in url_list:
15             yield scrapy.request(url=url, callback=self.parse1, dont_filter=true)
16         
17         # 获取下一页的url
18         next_url = response.urljoin(response.xpath('//span[text()="下一页"]/../@href').extract_first())
19         if next_url:
20             yield scrapy.request(url=next_url, callback=self.parse, dont_filter=true)
21         time.sleep(2)
22 
23     def parse1(self, response):
24         # 判断是否有数据
25         if response.xpath('//h2/text()').extract_first():
26             print(response.xpath('//h2/text()').extract_first().strip())
27             item = {}
28             item["车型"] = response.xpath('//h2/text()').extract_first().strip()
29             item["选车类型"] = response.xpath('//h2/span/text()').extract_first()
30             item["价格/万"] = response.xpath('//div[@class="pricebox js-disprice"]/span[1]/text()').extract_first().strip()
31             item["新车价格"] = response.xpath('//div[@class="pricebox js-disprice"]/span[2]/text()').extract_first().strip()
32             item["上牌时间"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[1]/div/text()').extract_first().strip()
33             item["公里数"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[2]/div/text()').extract_first().strip()
34             item["排量"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[3]/div/text()').extract_first().strip()
35             item["变速箱"] = response.xpath('//ul[@class="basic-eleven clearfix"]/li[4]/div/text()').extract_first().strip()
36             item["配置信息"] = response.xpath('//span[@class="type-gray"]//text()').extract()
37             item["网址"] = response.url
38             yield item

7、启动爬虫并保存为csv文件

scrapy crawl gz -o guanzi.csv

8、最后得到了想要的二手车信息，贴上部分截图

 

您可能感兴趣的文章:

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

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网