Scrapy 爬取糗事百科段子

2021-07-25 08:27:28 字數 2674 閱讀 4547

1.python爬蟲實戰一之爬取糗事百科段子

（ 2.在工作目錄建立myproject

scrapy startproject myproject
3.編寫/myproject/myproject/items.py

# -*- coding: utf-8 -*-


# define here the models for your scraped items


## see documentation in:


# import scrapy


#item是需要的資料進行格式化，方便後期處理


class


myitem


(scrapy.item):


user = scrapy.field


() content = scrapy.field


() godcomment = scrapy.field


()
4.編寫/myproject/myproject/spiders/myspider.py

# -*- coding:utf-8 -*-


import scrapy


import re


from myproject.items import myitem


#spider是指定url，傳送請求和接收原始資料，再根據item進行資料操作


class


myspider


(scrapy.spider):


name = 'myspider'


#可傳入pageindex引數合成完整url


def__init__


(self, pageindex=none, *args, **kwargs):


super(myspider, self).__init__(*args, **kwargs)


self.start_urls = ['' % pageindex]


#根據item進行資料操作


defparse


(self, response):


#print response.body.decode('response.encoding') #列印原始資料


pattern = re.compile('.*?' + 


'.*?' + 


'.*?(.*?).*?


' + '.*?' + 


'(.*?)'


,re.s)


items = re.findall(pattern,response.body.decode(response.encoding))


print ("lin len: %d"%(len(items)))


for item in items: 


print ("lin user: %s"%(item[0].strip()))


print ("lin content: %s"%(item[1].strip()))


print ("lin god comments: %s"%(item[2].strip()))


myitems = myitem(user=item[0], content=item[1], godcomment=item[2])


yield myitems
5.設定/myproject/myproject/settings.py的headers

default_request_headers =
6.執行myspider，傳入pageindex=1，結果資料儲存為items.json

scrapy crawl myspider -a pageindex=1 -o items.json
7.結果輸出和items.json出現export unicode字符集問題

8.scrapy中關於export unicode字符集問題解決

（ 8.1設定/myproject/myproject/settings.py

from scrapy.exporters import jsonlinesitemexporter  


class


customjsonlinesitemexporter


(jsonlinesitemexporter):


def__init__


(self, file, **kwargs): 


super(customjsonlinesitemexporter, self).__init__(file, ensure_ascii=false, **kwargs)


#這裡只需要將超類的ensure_ascii屬性設定為false即可


#同時要在setting檔案中啟用新的exporter類


feed_exporters =
8.2再次執行，解決items.json出現export unicode字符集的問題，items.json路徑為\myproject

爬取糗事百科段子

user bin env python coding utf 8 author holley file baike1.py datetime 4 12 2018 14 32 description import requests import re import csv from bs4 impor...

爬取糗事百科，朗讀段子

一閒下來就不務正業了，寫個爬蟲，聽段子。額，mac自帶的語音朗讀，windows我就不知道啦，有興趣的可以去研究一下哈。環境 python 2.7 mac os 10.12 使用朗讀的 from subprocess import call call say hello pengge 當然了，聽起來...

爬取糗事百科段子內容

import requests,sqlite3,re class processdatatool object 資料處理的工具類 工具類中一般不寫 init 初始化屬性，只封裝工具方法對資料進行操作。工具類中的方法一般是以工具類居多。classmethod def process data cls,...