Python Scrapy框架：通用爬虫之CrawlSpider用法简单示例

本文实例讲述了Python Scrapy框架：通用爬虫之CrawlSpider用法。分享给大家供大家参考，具体如下：

步骤01: 创建爬虫项目

scrapy startproject quotes

步骤02: 创建爬虫模版

scrapy genspider -t quotes quotes.toscrape.com

步骤03: 配置爬虫文件quotes.py

import scrapy
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor

class Quotes(CrawlSpider):
# 爬虫名称
 name = "get_quotes"
 allow_domain = ['quotes.toscrape.com']
 start_urls = ['http://quotes.toscrape.com/']

# 设定规则
 rules = (
   # 对于quotes内容页URL，调用parse_quotes处理，
   # 并以此规则跟进获取的链接
   Rule(LinkExtractor(allow=r'/page/\d+'), callback='parse_quotes', follow=True),
   # 对于author内容页URL，调用parse_author处理，提取数据
   Rule(LinkExtractor(allow=r'/author/\w+'), callback='parse_author')
 )

# 提取内容页数据方法
 def parse_quotes(self, response):
   for quote in response.css(".quote"):
     yield {'content': quote.css('.text::text').extract_first(),
         'author': quote.css('.author::text').extract_first(),
         'tags': quote.css('.tag::text').extract()
         }
# 获取作者数据方法

def parse_author(self, response):
   name = response.css('.author-title::text').extract_first()
   author_born_date = response.css('.author-born-date::text').extract_first()
   author_bron_location = response.css('.author-born-location::text').extract_first()
   author_description = response.css('.author-description::text').extract_first()

return ({'name': name,
        'author_bron_date': author_born_date,
        'author_bron_location': author_bron_location,
        'author_description': author_description
        })

步骤04: 运行爬虫

scrapy crawl quotes

更多相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家基于Scrapy框架的Python程序设计有所帮助。

来源：https://www.cnblogs.com/hankleo/p/11872497.html