scrapy爬取美剧天堂排名100
Posted lizhihoublog
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了scrapy爬取美剧天堂排名100相关的知识,希望对你有一定的参考价值。
class MeiJuItem(scrapy.Item): ‘‘‘ 爬取美剧 定义MeiJuItem类继承scrapy.Item 定义存储数据 明确存储信息 ‘‘‘ name = scrapy.Field() href = scrapy.Field() state = scrapy.Field() tv = scrapy.Field() time = scrapy.Field()
import scrapy from Example.example.items import MeiJuItem class MeiJuSpider(scrapy.Spider): name = ‘meiju‘ start_urls = ["https://www.meijutt.tv/new100.html"] def parse(self, response): page_data = response.xpath(".//ul[@class=‘top-list fn-clear‘]/li") for li_data in page_data: item = MeiJuItem() item[‘name‘] = li_data.xpath("./h5/a/@title").extract()[0] item[‘href‘] = li_data.xpath("./h5/a/@href").extract()[0] item[‘state‘] = li_data.xpath("./span[@class=‘state1 new100state1‘]/string()").extract()[0] item[‘tv‘] = li_data.xpath("./span[@class=‘mjtv‘]/text()").extract()[0] item[‘time‘] = li_data.xpath("./div[@class=‘lasted-time new100time fn-right‘]/text()").extract()[0] yield item pass
class MeiJuPipeline(object): def __init__(self): # 可选实现,做参数初始化等 self.file = open(‘./meiju.json‘,‘wb‘) pass def process_item(self,item,spider): ‘‘‘ # item (Item 对象) – 被爬取的 item # spider (Spider 对象) – 爬取该 item 的 spider # 这个方法必须实现,每个 item pipeline 组件都需要调用该方法, # 这个方法必须返回一个 Item 对象,被丢弃的 item 将不会被之后的 pipeline 组件 所处理。 ‘‘‘ json.dump(dict(item),open(‘./meiju.json‘,‘a‘,encoding=‘utf-8‘),ensure_ascii=False) return item pass def open_spider(self, spider): # spider (Spider 对象) – 被开启的 spider # 可选实现,当 spider 被开启时,这个方法被调用。 pass def close_spider(self,spider): # spider (Spider 对象) – 被关闭的 spider # 可选实现,当 spider 被关闭时,这个方法被调用 self.file.close() pass
from scrapy import cmdline cmdline.execute(‘scrapy crawl meiju‘.split())
以上是关于scrapy爬取美剧天堂排名100的主要内容,如果未能解决你的问题,请参考以下文章