Spiderファイルの作成

Spiderは클래스であり、ユーザ定義であり、Scrapyはウェブサイト(またはウェブサイトグループ)から情報をキャプチャするために使用される.スパイを継承する方法、初期要求を定義する方法、ページリンクに選択的に従う方法、およびparseでダウンロードしたページコンテンツを定義する方法を定義する必要があります.
チュートリアルに基づいてquotes.toscrape.comを作成します.
クモファイルを作成しましょう.

スクリプトアイテムを作成するときに、自動生成されたspidersフォルダにquotes_spider.pyファイルを作成します.(.pyファイル名は自由に設定できます.)

チュートリアルで提供される一般的な金.基本骨格と考えればいい

import scrapy


class QuotesSpider(scrapy.Spider):
    name = "quotes"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/',
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = f'quotes-{page}.html'
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log(f'Saved file {filename}')

ご覧のように、スパイダーマンはscrapy.Spiderを継承しています.クモといくつかの特性と方法を定義します.

name:クモを識別します.プロジェクト内で唯一でなければなりません.つまり、他のクモに同じ名前を設定することはできません.

start_requests():スパイは、ブラウズを開始するリクエストのリストを返すか、ジェネレータ関数に書き込むことができるテーブルフォーマットのリクエストを返す必要があります.これらの初期要求のうち、その後の要求は연속적으로 생성である.

parse():各要求に対して다운로드된 응답을 처리を呼び出す方法.responseパラメータは、ページコンテンツを含むTextResponseの例であり、ページコンテンツの処理に役立つ.

parse()メソッドは、通常、parseに応答を送信し、コマンドからデータを抽出し、従うべき新しいURLを検索して新しい要求を作成する(Request).