爬虫实例1-爬取新闻列表和发布时间
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫实例1-爬取新闻列表和发布时间相关的知识,希望对你有一定的参考价值。
一、新建工程
scrapy startproject shop |
二、Items.py文件代码:
import scrapy
class ShopItem(scrapy.Item): title = scrapy.Field() time = scrapy.Field() |
三、shopspider.py文件爬虫代码
# -*-coding:UTF-8-*- import scrapy from shop.items import ShopItem
class shopSpider(scrapy.Spider): name = "shop" allowed_domains = ["news.xxxxxxx.xx.cn"] start_urls = ["http://news.xxxxx.xxx.cn/hunan/"]
def parse(self,response): item = ShopItem() item[‘title‘] = response.xpath("//div[@class=‘txttotwe2‘]/ul/li/a/text()").extract() item[‘time‘] = response.xpath("//div[@class=‘txttotwe2‘]/ul/li/font/text()").extract() yield item |
四、pipelines.py文件代码(打印出内容):
注意:如果在shopspider.py文件中打印出内容则显示的是unicode编码,而在pipelines.py打印出来的信息则是正常的显示内容。
class ShopPipeline(object): def process_item(self, item, spider): count=len(item[‘title‘]) print ‘news count: ‘ ,count for i in range(0,count): print ‘biaoti: ‘+item[‘title‘][i] print ‘shijian: ‘+item[‘time‘][i] return item |
五、爬取显示的结果:
[email protected]:~/shop# scrapy crawl shop --nolog news count: 40 biaoti: xxx建成国家食品安全示范城市 shijian: (2017-06-16) biaoti: xxxx考试开始报名 …………………… ………………….. |
以上是关于爬虫实例1-爬取新闻列表和发布时间的主要内容,如果未能解决你的问题,请参考以下文章
Python 网络爬虫实战:爬取南方周末新闻文章(带关键词筛选)