使用Scrapy爬取動態(tài)數(shù)據(jù)

更新時間：2018年10月21日 10:31:50 作者：回憶不說話

今天小編就為大家分享一篇關(guān)于使用Scrapy爬取動態(tài)數(shù)據(jù)的文章，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧

對于動態(tài)數(shù)據(jù)的爬取，可以選擇selenium和PhantomJS兩種方式，本文選擇的是PhantomJS。

網(wǎng)址：

https://s.taobao.com/search?q=%E7%AC%94%E8%AE%B0%E6%9C%AC%E7%94%B5%E8%84%91&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306

1.首先第一步，對中間件的設(shè)置。

進入pipelines.py文件中：

from selenium import webdriver
from scrapy.http.response.html import HtmlResponse
from scrapy.http.response import Response
class SeleniumSpiderMiddleware(object):
  def __init__(self):
    self.driver = webdriver.PhantomJS()
  def process_request(self ,request ,spider):
    # 當(dāng)引擎從調(diào)度器中取出request進行請求發(fā)送下載器之前
    # 會先執(zhí)行當(dāng)前的爬蟲中間件 ，在中間件里面使用selenium
    # 請求這個request ，拿到動態(tài)網(wǎng)站的數(shù)據(jù) 然后將請求
    # 返回給spider爬蟲對象
    if spider.name == 'taobao':
      # 使用爬蟲文件的url地址
      spider.driver.get(request.url)
      for x in range(1 ,12 ,2):
        i = float(x) / 11
        # scrollTop 從上往下的滑動距離
        js = 'document.body.scrollTop=document.body.scrollHeight * %f' % i
        spider.driver.execute_script(js)
      response = HtmlResponse(url=request.url,
                  body=spider.driver.page_source,
                  encoding='utf-8',
                  request=request)
      # 這個地方只能返回response對象，當(dāng)返回了response對象，那么可以直接跳過下載中間件，將response的值傳遞給引擎，引擎又傳遞給 spider進行解析
      return response

在設(shè)置中，要將middlewares設(shè)置打開。

進入settings.py文件中，將

DOWNLOADER_MIDDLEWARES = {
  'taobaoSpider.middlewares.SeleniumSpiderMiddleware': 543,
}

打開。

2.第二步，爬取數(shù)據(jù)

回到spider爬蟲文件中。

引入：

from selenium import webdriver

自定義屬性：

def __init__(self):
  self.driver = webdriver.PhantomJS()

查找數(shù)據(jù)和分析數(shù)據(jù)：

def parse(self, response):
  div_info = response.xpath('//div[@class="info-cont"]')
  print(div_info)
  for div in div_info:
    title = div.xpath('.//div[@class="title-row "]/a/text()').extract_first('')
    # title = self.driver.find_element_by_class_name("title-row").text
    print('名稱：', title)
    price = div.xpath('.//div[@class="sale-row row"]/div/span[2]/strong/text()').extract_first('')

3.第三步，傳送數(shù)據(jù)到item中：

在item.py文件中：

name = scrapy.Field()
price = scrapy.Field()

回到spider.py爬蟲文件中：

引入：

from ..items import TaobaospiderItem

傳送數(shù)據(jù)：

#創(chuàng)建實例化對象。

item = TaobaospiderItem()
item['name'] = title
item['price'] = price
yield item

在設(shè)置中，打開：

ITEM_PIPELINES = {
  'taobaoSpider.pipelines.TaobaospiderPipeline': 300,
}

4.第四步，寫入數(shù)據(jù)庫：

進入管道文件中。

引入

import sqlite3
寫入數(shù)據(jù)庫的代碼如下：
class TaobaospiderPipeline(object):
  def __init__(self):
    self.connect = sqlite3.connect('taobaoDB')
    self.cursor = self.connect.cursor()
    self.cursor.execute('create table if not exists taobaoTable (name text,price text)')
  def process_item(self, item, spider):
    self.cursor.execute('insert into taobaoTable (name,price)VALUES ("{}","{}")'.format(item['name'],item['price']))
    self.connect.commit()
    return item
  def close_spider(self):
    self.cursor.close()
    self.connect.close()

在設(shè)置中打開：

ITEM_PIPELINES = {
  'taobaoSpider.pipelines.TaobaospiderPipeline': 300,
}

因為在上一步，我們已經(jīng)將管道傳送設(shè)置打開，所以這一步可以不用重復(fù)操作。

然后運行程序，打開數(shù)據(jù)庫查看數(shù)據(jù)。

至此，程序結(jié)束。

下附spider爬蟲文件所有代碼：

# -*- coding: utf-8 -*-
import scrapy
from selenium import webdriver
from ..items import TaobaospiderItem
class TaobaoSpider(scrapy.Spider):
  name = 'taobao'
  allowed_domains = ['taobao.com']
  start_urls = ['https://s.taobao.com/search?q=%E7%AC%94%E8%AE%B0%E6%9C%AC%E7%94%B5%E8%84%91&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306']
  def __init__(self):
    self.driver = webdriver.PhantomJS()
  def parse(self, response):
    div_info = response.xpath('//div[@class="info-cont"]')
    print(div_info)
    for div in div_info:
      title = div.xpath('.//div[@class="title-row "]/a/text()').extract_first('')
      print('名稱：', title)
      price = div.xpath('.//div[@class="sale-row row"]/div/span[2]/strong/text()').extract_first('')
      item = TaobaospiderItem()
      item['name'] = title
      item['price'] = price
      yield item
  def close(self,reason):
    print('結(jié)束了',reason)
    self.driver.quit()

關(guān)于scrapy的中文文檔：http://scrapy-chs.readthedocs.io/zh_CN/latest/faq.html

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

您可能感興趣的文章: