實現爬蟲的過程
request對象參數及含義
參數 | 說明 |
---|---|
url | HTTP請求的網站 |
method | HTTP請求的方法,如“GET” |
body | HTTP的請求體,類型爲str或unicode |
headers | HTTP的請求體,字典型 |
cookies | 請求的cookie值,字典型或列表型,可以實現自動登錄的效果 |
encoding | 請求的編碼方式,默認爲utf-8 |
callback | 指定回調函數,即確定頁面解析函數,默認爲parse() |
meta | 字典類型,用於數據的傳遞 |
priority | 請求的優先級,默認爲0,優先級高的請求優先下載 |
dont_filter | 如果對同一個url多次提交相同請求,可以使用此項來忽略重複的請求,避免重複下載,默認爲false |
errback | 在處理請求時引發任何異常時調用的函數 |
只需要改一點點代碼就行了
加入headers就行
#-*-coding:utf-8-*-
from scrapy import Request
from scrapy.spiders import Spider
class HotSalesSpider(Spider):
#定義爬蟲名稱
name = 'hot'
qidian_headers= {"User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36 QQBrowser/9.3"}
# #起始的URL列表
# start_urls = ["https://www.qidian.com/rank/hotsales?style=1"]
def start_requests(self):
url = "https://www.qidian.com/rank/hotsales?style=1"
yield Request(url,headers=self.qidian_headers,callback=self.parse)
#解析函數
def parse(self, response):
#使用xpath定位到小說內容的div元素
list_selector = response.xpath("//div[@class='book-mid-info']")
#依次讀取每部小說的元素,從中獲取名稱、作者、類型和形式
for one_selector in list_selector:
#獲取小說名稱
name = one_selector.xpath("h4/a/text()").extract()[0]
#獲取作者
author = one_selector.xpath("p[1]/a[1]/text()").extract()[0]
#獲取類型
type = one_selector.xpath("p[1]/a[2]/text()").extract()[0]
#獲取形式(連載/完本)
form = one_selector.xpath("p[1]/span/text()").extract()[0]
#將爬取到的一部小說保存到字典中
hot_dict = {"name":name, #小說名稱
"author":author, #作者
"type":type, #類型
"form":form} #形式
#使用yield返回字典
yield hot_dict
#-*-coding:utf-8-*-
from scrapy import Request
from scrapy.spiders import Spider#導入Spider類
class HotSalesSpider(Spider):
#定義爬蟲名稱
name = 'hotcss'
#獲取初始Request
def start_requests(self):
url = "https://www.qidian.com/rank/hotsales?style=1"
#生成請求對象,設置url,callback
yield Request(url,callback=self.qidian_parse)
# 使用CSS選擇器解析數據
def qidian_parse(self, response):
#使用css定位到小說內容的div元素,生成選擇器
list_selector = response.css("[class='book-mid-info']")
#依次讀取每部小說,從中獲取名稱、作者、類型和形式
for one_selector in list_selector:
#獲取小說名稱
name = one_selector.css("h4>a::text").extract_first()
#獲取作者
author = one_selector.css(".author a::text").extract()[0]
#獲取類型
type = one_selector.css(".author a::text").extract()[1]
#獲取形式(連載還是完本)
form = one_selector.css(".author span::text").extract_first()
#將爬取到的一部小說保存到字典中
hot_dict = {"name":name, #小說名稱
"author":author, #作者
"type":type, #類型
"form":form} #形式
#使用yield返回字典
yield hot_dict