python 使用scrapy框架爬取一个图书网站的信息

Posted

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python 使用scrapy框架爬取一个图书网站的信息相关的知识,希望对你有一定的参考价值。

 

1.新建项目

scrapy start_project book_project

技术分享

 

2.编写items类

技术分享

3.编写spider类

技术分享
# -*- coding: utf-8 -*-
import scrapy
from book_project.items import BookItem

class BookInfoSpider(scrapy.Spider):
    name = "bookinfo"#定义爬虫的名字
    allowed_domains = ["allitebooks.com", "amazon.com"]#定义爬取的范围
    start_urls = [
        "http://www.allitebooks.com/security/",
    ]

    def parse(self, response):
        num_pages=int(response.xpath(//span[contains(@class,"pages")]/text()).extract_first().split()[-2])
        base_url = "http://www.allitebooks.com/security/page/{0}/"
        for page in range(1, num_pages):
            yield scrapy.Request(base_url.format(page), dont_filter=True, callback=self.parse_page)
                #open(‘my.txt‘, ‘wb‘).write(page)

    def parse_page(self, response):
        for sel in response.xpath(//div/article):
            book_detail_url = sel.xpath(div/header/h2/a/@href).extract_first()
            yield scrapy.Request(book_detail_url, callback=self.parse_book_info)

    def parse_book_info(self, response):
        title = response.css(.single-title).xpath(text()).extract_first()
        isbn = response.xpath(//dd[2]/text()).extract_first()
        item = BookItem()
        item[title] = title
        item[isbn] = isbn
        # yield item
        amazon_search_url = https://www.amazon.com/s/ref=nb_sb_noss?url=search-alias%3Daps&field-keywords= + isbn
        yield scrapy.Request(amazon_search_url, headers={User-agent: Mozilla/5.0}, callback=self.parse_price, meta={ item: item })

    def parse_price(self, response):
        item = response.meta[item]
        item[price] = response.xpath(//span/text()).re(r\\$[0-9]+\\.[0-9]{2}?)[0]
        yield item
View Code

4.启动爬虫开始抓取

scrapy crawl bookinfo -o books.csv

5.运行结果

技术分享

看出来运行了很久,大概有25分钟

 

csv中的数据

技术分享

 

以上是关于python 使用scrapy框架爬取一个图书网站的信息的主要内容,如果未能解决你的问题,请参考以下文章

一 爬虫框架(scrapy)

Python Scrapy框架

18分钟带你掌握商业爬虫框架Scrapy---爬取明星图片

Python Scrapy爬虫框架学习0

Python Scrapy爬虫框架之初次使用

用scrapy框架爬取某网站汽车的高清图片python爬虫入门进阶(21)