|
1. 前言大家好，我是安果！ 眾所周知，Python 最流行的爬蟲框架是 Scrapy，它主要用于爬取網(wǎng)站結(jié)構(gòu)性數(shù)據(jù) 今天推薦一款更加簡(jiǎn)單、輕量級(jí)，且功能強(qiáng)大的爬蟲框架：feapder 項(xiàng)目地址： https://github.com/Boris-code/feapder 2. 介紹及安裝和 Scrapy 類似，feapder 支持輕量級(jí)爬蟲、分布式爬蟲、批次爬蟲、爬蟲報(bào)警機(jī)制等功能 內(nèi)置的 3 種爬蟲如下：
在實(shí)戰(zhàn)之前，我們?cè)谔摂M環(huán)境下安裝對(duì)應(yīng)的依賴庫 # 安裝依賴庫
pip3 install feapder
3. 實(shí)戰(zhàn)一下
我們以最簡(jiǎn)單的 AirSpider 來爬取一些簡(jiǎn)單的數(shù)據(jù) 目標(biāo)網(wǎng)站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA== 詳細(xì)實(shí)現(xiàn)步驟如下（ 5 步） 3-1 創(chuàng)建爬蟲項(xiàng)目 首先，我們使用「 feapder create -p 」命令創(chuàng)建一個(gè)爬蟲項(xiàng)目 # 創(chuàng)建一個(gè)爬蟲項(xiàng)目
feapder create -p tophub_demo
3-2 創(chuàng)建爬蟲 AirSpider 命令行進(jìn)入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創(chuàng)建一個(gè)爬蟲 cd spiders
# 創(chuàng)建一個(gè)輕量級(jí)爬蟲
feapder create -s tophub_spider 1
其中 1 為默認(rèn)，表示創(chuàng)建一個(gè)輕量級(jí)爬蟲 AirSpider 2 代表創(chuàng)建一個(gè)分布式爬蟲 Spider 3 代表創(chuàng)建一個(gè)分布式批次爬蟲 BatchSpider
3-3 配置數(shù)據(jù)庫、創(chuàng)建數(shù)據(jù)表、創(chuàng)建映射 Item 以 Mysql 為例，首先我們?cè)跀?shù)據(jù)庫中創(chuàng)建一張數(shù)據(jù)表 # 創(chuàng)建一張數(shù)據(jù)表
create table topic
(
id int auto_increment
primary key,
title varchar(100) null comment '文章標(biāo)題',
auth varchar(20) null comment '作者',
like_count int default 0 null comment '喜歡數(shù)',
collection int default 0 null comment '收藏?cái)?shù)',
comment int default 0 null comment '評(píng)論數(shù)'
);
然后，打開項(xiàng)目根目錄下的 settings.py 文件，配置數(shù)據(jù)庫連接信息
# settings.py
MYSQL_IP = "localhost"
MYSQL_PORT = 3306
MYSQL_DB = "xag"
MYSQL_USER_NAME = "root"
MYSQL_USER_PASS = "root"
最后，創(chuàng)建映射 Item（ 可選 ） 進(jìn)入到 items 文件夾，使用「 feapder create -i 」命令創(chuàng)建一個(gè)文件映射到數(shù)據(jù)庫 PS：由于 AirSpider 不支持?jǐn)?shù)據(jù)自動(dòng)入庫，所以這步不是必須 3-4 編寫爬蟲及數(shù)據(jù)解析 第一步，首先使「 MysqlDB 」初始化數(shù)據(jù)庫 from feapder.db.mysqldb import MysqlDB
class TophubSpider(feapder.AirSpider):
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
self.db = MysqlDB()
第二步，在 start_requests 方法中，指定爬取主鏈接地址，使用關(guān)鍵字「download_midware 」配置隨機(jī) UA import feapder
from fake_useragent import UserAgent
def start_requests(self):
yield feapder.Request("https:///", download_midware=self.download_midware)
def download_midware(self, request):
# 隨機(jī)UA
# 依賴：pip3 install fake_useragent
ua = UserAgent().random
request.headers = {'User-Agent': ua}
return request
第三步，爬取首頁標(biāo)題、鏈接地址
使用 feapder 內(nèi)置方法 xpath 去解析數(shù)據(jù)即可
def parse(self, request, response):
# print(response.text)
card_elements = response.xpath('//div[@class="cc-cd"]')
# 過濾出對(duì)應(yīng)的卡片元素【什么值得買】
buy_good_element = [card_element for card_element in card_elements if
card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得買'][0]
# 獲取內(nèi)部文章標(biāo)題及地址
a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')
for a_element in a_elements:
# 標(biāo)題和鏈接
title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
href = a_element.xpath('.//@href').extract_first()
# 再次下發(fā)新任務(wù)，并帶上文章標(biāo)題
yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
title=title)
第四步，爬取詳情頁面數(shù)據(jù)
上一步下發(fā)新的任務(wù)，通過關(guān)鍵字「 callback 」指定回調(diào)函數(shù)，最后在 parser_detail_page 中對(duì)詳情頁面進(jìn)行數(shù)據(jù)解析 def parser_detail_page(self, request, response):
"""
解析文章詳情數(shù)據(jù)
:param request:
:param response:
:return:
"""
title = request.title
url = request.url
# 解析文章詳情頁面，獲取點(diǎn)贊、收藏、評(píng)論數(shù)目及作者名稱
author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()
print("作者：", author, '文章標(biāo)題:', title, "地址：", url)
desc_elements = response.xpath('//span[@class="xilie"]/span')
print("desc數(shù)目:", len(desc_elements))
# 點(diǎn)贊
like_count = int(re.findall('\d+', desc_elements[1].xpath('./text()').extract_first())[0])
# 收藏
collection_count = int(re.findall('\d+', desc_elements[2].xpath('./text()').extract_first())[0])
# 評(píng)論
comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])
print("點(diǎn)贊：", like_count, "收藏:", collection_count, "評(píng)論:", comment_count)
3-5 數(shù)據(jù)入庫 使用上面實(shí)例化的數(shù)據(jù)庫對(duì)象執(zhí)行 SQL，將數(shù)據(jù)插入到數(shù)據(jù)庫中即可 # 插入數(shù)據(jù)庫
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (
title, author, like_count, collection_count, comment_count)
# 執(zhí)行
self.db.execute(sql)4. 最后本篇文章通過一個(gè)簡(jiǎn)單的實(shí)例，聊到了 feapder 中最簡(jiǎn)單的爬蟲 AirSpider 關(guān)于 feapder 高級(jí)功能的使用，后面我將會(huì)通過一系列實(shí)例進(jìn)行詳細(xì)說明
|
