python爬虫爬取赶集网数据

时间:2022-11-14 16:19:36

一.创建项目

scrapy startproject putu

二.创建spider文件

scrapy genspider  patubole patubole.com

python爬虫爬取赶集网数据
 

三.利用chrome浏览器分析出房价和标题的两个字段的xpath表达式,开始编写patubole.py文件。网络的爬取是通过这个文件进行的

以下代码是最终的代码

所建的patubole.py文件必须实现name,parse函数,start_url这三个属性

python爬虫爬取赶集网数据
 

四.将爬取的数据保存到数据库sufang中。

(1)在pycharm中新建数据库

python爬虫爬取赶集网数据
 
python爬虫爬取赶集网数据
 

完成后会出现

python爬虫爬取赶集网数据
 

(2)将数据存放在新建的数据库zufang的数据表sufang中

数据的爬取是有patubole.py实现的,数据的存储是由pipelines.py实现的,pipelines.py又是有items.py提供数据的支持

所以编写items.py

python爬虫爬取赶集网数据
 

此时就要回过头来修改刚开是为了测试编写的patubole.py 文件

代码如下

python爬虫爬取赶集网数据
 

3)在settings.py中进行PatuPipeline文件配置

ITEM_PIPELINES = {

'patu.pipelines.PatuPipeline': 300,

}

(5)pipelines.py文件代码,实现存储数据到数据库中

其中包含SQL的相关知识

python爬虫爬取赶集网数据
 

最终结果

python爬虫爬取赶集网数据
 

其中main.py文件是为了调式方便而添加的,可以不用,直接用相关命令启动爬虫

python爬虫爬取赶集网数据