Scrapy的初体验

上一节安装了python2和python3的开发环境

首先第一步：进入开发环境，workon article_spider

进入这个环境：

安装Scrapy，在安装的过程中出现了一些错误：通常这些错误都是部分文件没有安装导致的，因为大学时经常出现，所以对解决这种问题，很实在，直接到http://www.lfd.uci.edu/~gohlke/pythonlibs/这个网站下载对应的文件，下载后用pip安装，具体过程不在赘述。

然后进入工程目录，并打开我们的新创建的虚拟环境：

新建scrapy工程：ArticleSpider

创建好工程框架：在pycharm中导入

scrapy.cfg: 项目的配置文件。
ArticleSpeder/: 该项目的python模块。之后您将在此加入代码。
ArticleSpeder/items.py: 项目中的item文件。
ArticleSpeder/pipelines.py: 项目中的pipelines文件。
ArticleSpeder/settings.py: 项目的设置文件。
ArticleSpeder/spiders/: 放置spider代码的目录。

回到dos窗口用basic创建模板

上面pycharm的截图中已经创建好了：

为了今后更好的开发，创建一个用于debug的类main.py

1. from scrapy.cmdline import execute
2. import sys
3. import os
4. print(os.path.dirname(os.path.abspath(__file__)))
5. sys.path.append(os.path.dirname(os.path.abspath(__file__)))
6. execute(["scrapy","crawl","jobbole"])

 这是代码内容

import sys 为了设置工程目录，调用命令才会生效

里面的路径最好不要写死：可以通过os获取路径，更加灵活

execute用来执行目标程序的

jobbole.py的内容

1. class JobboleSpider(scrapy.Spider):
2. name = ‘jobbole‘
3. allowed_domains = [‘blog.jobbole.com‘]
4. start_urls = [‘http://blog.jobbole.com/110287‘]
6. def parse(self, response):
7. re_selector = response.xpath("/html/body/div[1]/div[3]/div[1]/div[1]/h1")
8. re2_selector = response.xpath(‘//*[@id="post-110287"]/div[1]/h1‘)
9. title = response.xpath(‘//div[@class="entry-header"]/h1/text()‘)
10. create_date = response.xpath("")
11. #//*[@id="112706votetotal"]
12. dian_zan = int(response.xpath("//span[contains(@class,‘vote-post-up ‘)]/h10/text()").extract()[0])
13. pass

 通过xpath技术获取对应文章的一些字段信息，包括标题，时间，评论数，点赞数等，因为比较简单所以不在赘述

写到这儿，大家也知道每次在pycharm里面debug和麻烦，因为scrapy比较大，所以这时候我们可以使用Scrapy shell来调试

标记部分是目标网站的地址：现在我们可以更加愉悦的进行调试了。

今天scrapy的初体验就到这里了

Scrapy的初体验

原文：http://www.cnblogs.com/clovejava/p/7719702.html