爬蟲框架feapder的安裝和使用

這篇文章主要講解了“爬蟲框架feapder的安裝和使用”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“爬蟲框架feapder的安裝和使用”吧！

 1. 前言

眾所周知，Python 最流行的爬蟲框架是 Scrapy，它主要用于爬取網(wǎng)站結(jié)構(gòu)性數(shù)據(jù)

今天推薦一款更加簡(jiǎn)單、輕量級(jí)，且功能強(qiáng)大的爬蟲框架：feapder

項(xiàng)目地址：

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

2. 介紹及安裝

和 Scrapy 類似，feapder 支持輕量級(jí)爬蟲、分布式爬蟲、批次爬蟲、爬蟲報(bào)警機(jī)制等功能

內(nèi)置的 3 種爬蟲如下：

•  AirSpider

  輕量級(jí)爬蟲，適合簡(jiǎn)單場(chǎng)景、數(shù)據(jù)量少的爬蟲

•  Spider

  分布式爬蟲，基于 Redis，適用于海量數(shù)據(jù)，并且支持?jǐn)帱c(diǎn)續(xù)爬、自動(dòng)數(shù)據(jù)入庫(kù)等功能

•  BatchSpider

  分布式批次爬蟲，主要用于需要周期性采集的爬蟲

在實(shí)戰(zhàn)之前，我們?cè)谔摂M環(huán)境下安裝對(duì)應(yīng)的依賴庫(kù)

# 安裝依賴庫(kù)  pip3 install feapder

3. 實(shí)戰(zhàn)一下

我們以最簡(jiǎn)單的 AirSpider 來爬取一些簡(jiǎn)單的數(shù)據(jù)

目標(biāo)網(wǎng)站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

詳細(xì)實(shí)現(xiàn)步驟如下（ 5 步）

3-1  創(chuàng)建爬蟲項(xiàng)目

首先，我們使用「 feapder create -p 」命令創(chuàng)建一個(gè)爬蟲項(xiàng)目

# 創(chuàng)建一個(gè)爬蟲項(xiàng)目  feapder create -p tophub_demo

3-2  創(chuàng)建爬蟲 AirSpider

命令行進(jìn)入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創(chuàng)建一個(gè)爬蟲

cd spiders  # 創(chuàng)建一個(gè)輕量級(jí)爬蟲  feapder create -s tophub_spider 1

其中

•  1 為默認(rèn)，表示創(chuàng)建一個(gè)輕量級(jí)爬蟲 AirSpider

•  2 代表創(chuàng)建一個(gè)分布式爬蟲 Spider

•  3 代表創(chuàng)建一個(gè)分布式批次爬蟲 BatchSpider

3-3  配置數(shù)據(jù)庫(kù)、創(chuàng)建數(shù)據(jù)表、創(chuàng)建映射 Item

以 Mysql 為例，首先我們?cè)跀?shù)據(jù)庫(kù)中創(chuàng)建一張數(shù)據(jù)表

# 創(chuàng)建一張數(shù)據(jù)表  create table topic  (      id         int auto_increment          primary key,      title      varchar(100)  null comment '文章標(biāo)題',      auth       varchar(20)   null comment '作者',      like_count     int default 0 null comment '喜歡數(shù)',      collection int default 0 null comment '收藏?cái)?shù)',      comment    int default 0 null comment '評(píng)論數(shù)'  );

然后，打開項(xiàng)目根目錄下的 settings.py 文件，配置數(shù)據(jù)庫(kù)連接信息

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

最后，創(chuàng)建映射 Item（ 可選 ）

進(jìn)入到 items 文件夾，使用「 feapder create -i 」命令創(chuàng)建一個(gè)文件映射到數(shù)據(jù)庫(kù)

PS：由于 AirSpider 不支持?jǐn)?shù)據(jù)自動(dòng)入庫(kù)，所以這步不是必須

3-4  編寫爬蟲及數(shù)據(jù)解析

第一步，首先使「 MysqlDB 」初始化數(shù)據(jù)庫(kù)

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，指定爬取主鏈接地址，使用關(guān)鍵字「download_midware 」配置隨機(jī) 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):      # 隨機(jī)UA      # 依賴：pip3 install fake_useragent      ua = UserAgent().random      request.headers = {'User-Agent': ua}      return request

第三步，爬取首頁(yè)標(biāo)題、鏈接地址

使用 feapder 內(nèi)置方法 xpath 去解析數(shù)據(jù)即可

def parse(self, request, response):      # print(response.text)      card_elements = response.xpath('//div[@class="cc-cd"]')      # 過濾出對(duì)應(yīng)的卡片元素【什么值得買】      buy_good_element = [card_element for card_element in card_elements if                          card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得買'][0]      # 獲取內(nèi)部文章標(biāo)題及地址      a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')      for a_element in a_elements:          # 標(biāo)題和鏈接          title = a_element.xpath('.//span[@class="t"]/text()').extract_first()          href = a_element.xpath('.//@href').extract_first()          # 再次下發(fā)新任務(wù)，并帶上文章標(biāo)題          yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,                                titletitle=title)

第四步，爬取詳情頁(yè)面數(shù)據(jù)

上一步下發(fā)新的任務(wù)，通過關(guān)鍵字「 callback 」指定回調(diào)函數(shù)，最后在 parser_detail_page 中對(duì)詳情頁(yè)面進(jìn)行數(shù)據(jù)解析

def parser_detail_page(self, request, response):      """      解析文章詳情數(shù)據(jù)      :param request:      :param response:      :return:      """      title = request.title      url = request.url      # 解析文章詳情頁(yè)面，獲取點(diǎn)贊、收藏、評(píng)論數(shù)目及作者名稱      author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()      print("作者：", author, '文章標(biāo)題:', title, "地址：", url)      desc_elements = response.xpath('//span[@class="xilie"]/span')      print("desc數(shù)目:", len(desc_elements))      # 點(diǎn)贊      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])      # 評(píng)論      comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])      print("點(diǎn)贊：", like_count, "收藏:", collection_count, "評(píng)論:", comment_count)

3-5  數(shù)據(jù)入庫(kù)

使用上面實(shí)例化的數(shù)據(jù)庫(kù)對(duì)象執(zhí)行 SQL，將數(shù)據(jù)插入到數(shù)據(jù)庫(kù)中即可

# 插入數(shù)據(jù)庫(kù)  sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (  title, author, like_count, collection_count, comment_count)  # 執(zhí)行  self.db.execute(sql)

4. 最后

本篇文章通過一個(gè)簡(jiǎn)單的實(shí)例，聊到了 feapder 中最簡(jiǎn)單的爬蟲 AirSpider

感謝各位的閱讀，以上就是“爬蟲框架feapder的安裝和使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)爬蟲框架feapder的安裝和使用這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！