上次用requests写的爬虫速度很感人,今天打算用scrapy框架来实现,看看速度如何。
爬虫步骤
第一步,安装scrapy,执行一下命令
pip install Scrapy
第二步,创建项目,执行一下命令
scrapy startproject novel
第三步,编写spider文件,文件存放位置novel/spiders/toscrape-xpath.py,内容如下
# -*- coding: utf-8 -*-
import scrapyclass ToScrapeSpiderXPath(scrapy.Spider):# 爬虫的名字name = 'novel'# 爬虫启始urlstart_urls = ['https://www.xbiquge6.com/0_638/1124120.html',]def parse(self, response):# 定义存储的数据格式yield {'text': response.xpath('//div[@class="bookname"]/h1[1]/text()').extract_first(),'content': response.xpath('//div[@id="content"]/text()').extract(),# 'author': quote.xpath('.//small[@class="author"]/text()').extract_first(),# 'tags': quote.xpath('.//div[@class="tags"]/a[@class="tag"]/text()').extract()}# 下一章的链接next_page_url = response.xpath('//div[@class="bottem1"]/a[3]/@href').extract_first()# 如果下一章的链接不等于首页 则爬取url内容 ps:最后一章的下一章链接为首页if next_page_url != 'https://www.xbiquge6.com/0_638/':yield scrapy.Request(response.urljoin(next_page_url))
总结
框架用时:23分,比requests快三倍!awesmome!xpath也蛮好用的,继续学习,欢迎交流。