阿坝州网站建设公司

爬虫框架feapder的安装和使用

这篇文章主要讲解了“爬虫框架feapder的安装和使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“爬虫框架feapder的安装和使用”吧！

在成都网站建设、网站制作中从网站色彩、结构布局、栏目设置、关键词群组等细微处着手，突出企业的产品/服务/品牌，帮助企业锁定精准用户，提高在线咨询和转化，使成都网站营销成为有效果、有回报的无锡营销推广。成都创新互联专业成都网站建设10年了，客户满意度97.8%，欢迎成都创新互联客户联系。

 1. 前言

众所周知，Python 最流行的爬虫框架是 Scrapy，它主要用于爬取网站结构性数据

今天推荐一款更加简单、轻量级，且功能强大的爬虫框架：feapder

项目地址：

https://github.com/Boris-code/feapder

2. 介绍及安装

和 Scrapy 类似，feapder 支持轻量级爬虫、分布式爬虫、批次爬虫、爬虫报警机制等功能

内置的 3 种爬虫如下：

  •  AirSpider

  轻量级爬虫，适合简单场景、数据量少的爬虫

  •  Spider

  分布式爬虫，基于 redis，适用于海量数据，并且支持断点续爬、自动数据入库等功能

  •  BatchSpider

  分布式批次爬虫，主要用于需要周期性采集的爬虫

在实战之前，我们在虚拟环境下安装对应的依赖库

# 安装依赖库  pip3 install feapder

3. 实战一下

我们以最简单的 AirSpider 来爬取一些简单的数据

目标网站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

详细实现步骤如下（ 5 步）

3-1  创建爬虫项目

首先，我们使用「 feapder create -p 」命令创建一个爬虫项目

# 创建一个爬虫项目  feapder create -p tophub_demo

3-2  创建爬虫 AirSpider

命令行进入到 spiders 文件夹目录下，使用「 feapder create -s 」命令创建一个爬虫

cd spiders  # 创建一个轻量级爬虫  feapder create -s tophub_spider 1

其中

  •  1 为默认，表示创建一个轻量级爬虫 AirSpider

  •  2 代表创建一个分布式爬虫 Spider

  •  3 代表创建一个分布式批次爬虫 BatchSpider

3-3  配置数据库、创建数据表、创建映射 Item

以 MySQL 为例，首先我们在数据库中创建一张数据表

# 创建一张数据表  create table topic  (      id         int auto_increment          primary key,      title      varchar(100)  null comment '文章标题',      auth       varchar(20)   null comment '作者',      like_count     int default 0 null comment '喜欢数',      collection int default 0 null comment '收藏数',      comment    int default 0 null comment '评论数'  );

然后，打开项目根目录下的 settings.py 文件，配置数据库连接信息

# settings.py  MYSQL_IP = "localhost"  MYSQL_PORT = 3306  MYSQL_DB = "xag"  MYSQL_USER_NAME = "root"  MYSQL_USER_PASS = "root"

最后，创建映射 Item（ 可选 ）

进入到 items 文件夹，使用「 feapder create -i 」命令创建一个文件映射到数据库

PS：由于 AirSpider 不支持数据自动入库，所以这步不是必须

3-4  编写爬虫及数据解析

第一步，首先使「 MysqlDB 」初始化数据库

from feapder.db.mysqldb import MysqlDB  class TophubSpider(feapder.AirSpider):      def __init__(self, *args, **kwargs):          super().__init__(*args, **kwargs)          self.db = MysqlDB()

第二步，在 start_requests 方法中，指定爬取主链接地址，使用关键字「download_midware 」配置随机 UA

import feapder  from fake_useragent import UserAgent  def start_requests(self):      yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)  def download_midware(self, request):      # 随机UA      # 依赖：pip3 install fake_useragent      ua = UserAgent().random      request.headers = {'User-Agent': ua}      return request

第三步，爬取首页标题、链接地址

使用 feapder 内置方法 xpath 去解析数据即可

def parse(self, request, response):      # print(response.text)      card_elements = response.xpath('//div[@class="cc-cd"]')      # 过滤出对应的卡片元素【什么值得买】      buy_good_element = [card_element for card_element in card_elements if                          card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得买'][0]      # 获取内部文章标题及地址      a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')      for a_element in a_elements:          # 标题和链接          title = a_element.xpath('.//span[@class="t"]/text()').extract_first()          href = a_element.xpath('.//@href').extract_first()          # 再次下发新任务，并带上文章标题          yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,                                titletitle=title)

第四步，爬取详情页面数据

上一步下发新的任务，通过关键字「 callback 」指定回调函数，最后在 parser_detail_page 中对详情页面进行数据解析

def parser_detail_page(self, request, response):      """      解析文章详情数据      :param request:      :param response:      :return:      """      title = request.title      url = request.url      # 解析文章详情页面，获取点赞、收藏、评论数目及作者名称      author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()      print("作者：", author, '文章标题:', title, "地址：", url)      desc_elements = response.xpath('//span[@class="xilie"]/span')      print("desc数目:", len(desc_elements))      # 点赞      like_count = int(re.findall('\d+', desc_elements[1].xpath('./text()').extract_first())[0])      # 收藏     collection_count = int(re.findall('\d+', desc_elements[2].xpath('./text()').extract_first())[0])      # 评论      comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])      print("点赞：", like_count, "收藏:", collection_count, "评论:", comment_count)

3-5  数据入库

使用上面实例化的数据库对象执行 SQL，将数据插入到数据库中即可

# 插入数据库  sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (  title, author, like_count, collection_count, comment_count)  # 执行  self.db.execute(sql)

4. 最后

本篇文章通过一个简单的实例，聊到了 feapder 中最简单的爬虫 AirSpider

感谢各位的阅读，以上就是“爬虫框架feapder的安装和使用”的内容了，经过本文的学习后，相信大家对爬虫框架feapder的安装和使用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！


分享标题：爬虫框架feapder的安装和使用
网站网址：http://azwzsj.com/article/jpdpgo.html

其他资讯