大家好，又见面了，我是全栈君，今天给大家准备了Idea注册码。
Scrapy是一个流行的网络爬虫框架，从现在起将陆续记录Python3.6下Scrapy整个学习过程，方便后续补充和学习。
Python网络爬虫之scrapy(一)已经介绍scrapy安装、项目创建和测试基本命令操作，本文将对item设置、提取和使用进行详细说明
item设置
item是保存爬取到的数据的容器，其使用方式和字典类似，并且提供了额外保护机制来避免拼写错误导致的未定义字段错误，定义类型为scrapy.Field的类属性来定义一个item，可以根据自己的需要在items.py文件中编辑相应的item
# -*- coding: utf-8 -*- # Define here the models for your scraped items # # See documentation in: # https://doc.scrapy.org/en/latest/topics/items.html #装载我们抓取数据的容器 import scrapy class ExampleItem(scrapy.Item): # define the fields for your item here like: # name = scrapy.Field() name = scrapy.Field() #属性作为Field对象 population = scrapy.Field()
item提取
首先回顾下创建的爬虫模块country.py，继承scrapy.Spider，且定义了三个属性
name: 用于区别 Spider。 该名字必须是唯一的，您不可以为不同的 Spider 设定相同的名字start_urls: 包含了 Spider 在启动时进行爬取的 url 列表parse()是 spider 的一个方法。 被调用时，每个初始 URL 完成下载后生成的 response对象将会作为唯一的参数传递给该函数。 该方法负责解析返回的数据(response data)，提取数据(生成 item)以及生成需要进一步处理的 URL 的 response对象。
response常用属性：content、text、status_code、cookies
selector选择器
scrapy使用了一种基于xpath和css表达式机制：scrapy selector
selector方法
xpath(): 传入 xpath 表达式，返回该表达式所对应的所有节点的 selector list 列表css(): 传入 CSS 表达式，返回该表达式所对应的所有节点的 selector list 列表extract(): 序列化该节点为 unicode 字符串并返回 listre(): 根据传入的正则表达式对数据进行提取，返回 unicode 字符串 list 列表
shell命令抓取
scrapy提供了shell命令对网页数据进行抓取
命令格式：scrapy shell web
D:\Pystu\example>scrapy shell http://example.webscraping.com/places/default/view/Afghanistan-1
>>> response.xpath('//tr//td[@class="w2p_fw"]/text()').extract() ['647,500 square kilometres', '29,121,286', 'AF', 'Afghanistan', 'Kabul', '.af', 'AFN', 'Afghani', '93', 'fa-AF,ps,uz-AF,tk']
item使用
1. item声明
class ExampleItem(scrapy.Item): # define the fields for your item here like: name = scrapy.Field() #属性作为Field对象 population = scrapy.Field(serializer=str)
Field对象这么了每个字段的元数据（metadata），可以为每个字段指明任何类型的元数据
2. item创建
item = ExampleItem(name="Afghanistan",population="29121262") print (item)
3. item与字典转换
根据item创建字典
>>> dict(ExampleItem) # create a dict from all populated values {"name"="Afghanistan","population"="29121262"}
根据字典创建item
>>> Product({"name"="Afghanistan","population"="29121262"})
Product(name="Afghanistan",population="29121262")
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/120194.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...
