这是我参与更文挑战的第15天，活动详情查看： 更文挑战

1、前言

作为爬虫一员，掌握一门爬虫框架是必备技能，因此作为一名小白的你，我想向你推荐『Scrapy』。

具体『Scrapy』是什么，作用这些就不啰嗦（都是废话，百度有Scrapy简介），时间宝贵，就直接上干货（实战案例带你体验scrapy的使用）。

下面会以『B站』为目标进行实战！

2、Scrapy入门实战

1.环境准备

安装scrapy

pip install scrapy
复制代码

通过上面这个命令即可直接安装好scrapy库

2.建立scrapy项目

scrapy startproject Bili
复制代码

通过上面这个命令可以建立一个项目名称：Bili 的爬虫项目。

这里就可以在桌面建立了一个名字为：Bili 的爬虫项目

项目结构

Bili
复制代码

各个文件作用

scrapy.cfg：项目的总配置文件，通常无须修改。

Bili：项目的 Python 模块，程序将从此处导入 Python 代码。
    
Bili/items.py：用于定义项目用到的 Item 类。Item 类就是一个 DTO（数据传输对象），通常就是定义 N 个属性，该类需要由开发者来定义。
    
Bili/pipelines.py：项目的管道文件，它负责处理爬取到的信息。该文件需要由开发者编写。
    
Bili/settings.py：项目的配置文件，在该文件中进行项目相关配置。
    
Bili/spiders：在该目录下存放项目所需的蜘蛛，蜘蛛负责抓取项目感兴趣的信息。
复制代码

3.明确爬取内容

https://search.bilibili.com/all?keyword=%E8%AF%BE%E7%A8%8B&page=2
复制代码

以上面链接为例（B站），爬取视频的标题（title）和链接（url）

4.定义项目中每一个类

Items类

import scrapy
复制代码

爬取字段是视频的标题（title）和链接（url），所以对于了title和url两个变量

定义spider类

spider类作用是自定义网页解析规则（新建scrapy项目是没有的，需要自己新建）。

Scrapy 为创建 Spider 提供了 scrapy genspider 命令，该命令的语法格式如下：

scrapy genspider [options] <name> <domain>
复制代码

在命令行窗口中进入 Bili 目录下，然后执行如下命令即可创建一个 Spider：

scrapy genspider lyc "bilibili.com"
复制代码

运行上面命令，即可在 Bili 项目的 Bili /spider 目录下找到一个 lyc.py 文件
编辑lyc.py

import scrapy
复制代码

修改pipeline类

这个类是对爬取的文件最后的处理,一般为负责将所爬取的数据写入文件或数据库中.。
这里我们将它输出到控制台.

from itemadapter import ItemAdapter
复制代码

修改settings类

BOT_NAME = 'Bili'
复制代码

一个 Scarpy项目的简单架构就完成了我们可以运行一下试试.

启动项目

scrapy crawl lyc
复制代码

但只有 一页的内容 , 我们可以解析下一页 .
将以下代码加到 lyc.py

import scrapy
复制代码

下一页爬取

再次执行 , 就会一页一页的爬取 .

3、总结

1、为了大家方便学习，我把本文的完整源码上传，需要的通过同名公众回复：scrapy框架

2、通过实战案例『B站』，手把手实现scrapy项目的创建，解析网页，最后成功爬取数据并打印（保存）

3、适合小白入门scrapy，欢迎收藏，分析，学习