scrapy爬取集号吧

现在位置：首页 > 编程语言 > Python > scrapy爬取集号吧

龙行 Python 2019-8-26 66 0评论本文已被百度收录点击查看详情

新建一个scrapy项目

scrapy startproject phone

cd进入phone:新建

scrapy genspider ph http://www.jihaoba.com/escrow/

先来看看spiders下面的ph.py代码

# -*- coding: utf-8 -*-
import scrapy
from scrapy.http import Request
from phone.items import PhoneItem


class PhSpider(scrapy.Spider):
    name = 'ph'
    allowed_domains = ['www.jihaoba.com']
    start_urls = [
        'http://www.jihaoba.com/escrow/'
    ]

    def parse(self, response):
        lists = response.xpath("//div[@class='numbershow']/ul")
        for li in lists:
            item = PhoneItem()
            item['phone_num'] = li.xpath('li[contains(@class,"number")]/a/@href').re("\\d{11}")[0]
            item['price'] = li.xpath('li[@class="price"]/span/text()').extract_first()[1:]
            item['yys'] = li.xpath('li[@class="brand"]/text()').extract_first()
            yield item
        next = "http://www.jihaoba.com"+response.xpath("//a[@class='m-pages-next']/@href").extract_first()
        if next:
            yield Request(next, callback=self.parse)

item.py

class PhoneItem(scrapy.Item):
    # define the fields for your item here like:
    phone_num = scrapy.Field()
    price = scrapy.Field()
    yys = scrapy.Field()
    pass

再来看看数据库保存的代码MysqlPipeline 管道文件，settings里面要配置

# -*- coding: utf-8 -*-
import time
import pymysql
from twisted.enterprise import adbapi
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html


class PhonePipeline(object):
    def process_item(self, item, spider):
        return item


class MysqlPipeline(object):
    def __init__(self, dbpool):
        self.dbpool = dbpool

    @classmethod
    def from_settings(cls, settings):
        # 获取settings文件中的配置
        dbparms = dict(
            host=settings['MYSQL_HOST'],
            db=settings['MYSQL_DBNAME'],
            user=settings['MYSQL_USER'],
            passwd=settings['MYSQL_PASSWORD'],
            charset='utf8',
            cursorclass=pymysql.cursors.DictCursor,
            use_unicode=True,
        )

        # 使用Twisted中的adbapi获取数据库连接池对象
        dbpool = adbapi.ConnectionPool("pymysql", **dbparms)

        return cls(dbpool)

    def process_item(self, item, spider):
        # 使用teisted讲mysql插入变成异步执行
        # 使用数据库连接池对象进行数据库操作,自动传递cursor对象到第一个参数
        query = self.dbpool.runInteraction(self.do_insert, item)
        # 设置出错时的回调方法,自动传递出错消息对象failure到第一个参数
        query.addErrback(self.handle_error, item, spider)  # 处理异常

    def handle_error(self, failure, item, spider):
        # 处理异步插入的异常
        print(failure)

    def do_insert(self, cursor, item):
        # 执行具体的插入

        insert_sql = """
                insert into te(phone, price, yys, create_time)
                values (%s, %s, %s, %s)
        """
        cursor.execute(insert_sql, (item["phone_num"], item["price"], item["yys"], time.time()))

最后settings的配置数据库连接配置

ITEM_PIPELINES = {
   # 'phone.pipelines.PhonePipeline': 300,
   'phone.pipelines.MysqlPipeline': 1,
}
# 数据库配置
MYSQL_HOST = "127.0.0.1"
MYSQL_DBNAME = "test"
MYSQL_USER = "root"
MYSQL_PASSWORD = "root"

评论一下分享本文赞助站长