Scrapy 是 Python 开发的一个快速、高层次的屏幕抓取和 Web 抓取框架,用于抓取 Web 站点并从页面中提取结构化的数据。Scrapy 用途广泛,可以用于数据挖掘、监测和自动化测试。
Scrapy 吸引人的地方在于它是一个框架,任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类,如 BaseSpider、sitemap 爬虫等,最新版本又提供了 Web2.0 爬虫的支持。
Scrapy 是一个开放源码和协作框架,用于从网站中提取您需要的数据,以一种快速,简单,但可扩展的方式。
构建并运行您的蛛网蜘蛛
pip install scrapy
cat > myspider.py
yield {'title': title.css('a ::text').get()}
for next_page in response.css('a.next-posts-link'):
yield response.follow(next_page, self.parse)
EOF
scrapy runspider myspider.py
把它们部署到云
pip install shub
shub login
Insert your Scrapinghub API Key:
# Deploy the spider to Scrapy Cloud
shub deploy
# Schedule the spider for execution
shub schedule blogspider
Spider blogspider scheduled, watch it running here:
https://app.scrapinghub.com/p/26731/job/1/8
# Retrieve the scraped data
shub items 26731/1/8
{"title": "Improved Frontera: Web Crawling at Scale with Python 3 Support"}
{"title": "How to Crawl the Web Politely with Scrapy"}
...
特点
快速而有力
编写规则来提取数据,然后让Scrapy来完成其余的工作。
易于扩展
可扩展的设计,插入新的功能很容易,而不必触及核心。
便携式Python
用Python编写,在Linux、Windows、Mac和BSD上运行
相关链接
1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,会注明原创字样,如未注明都非原创,如有侵权请联系删除!;3.作者投稿可能会经我们编辑修改或补充;4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |