《数据采集技术》课件——Spiders.pptxVIP

下载本文档

0
0
约3.88千字
约 22页
2024-12-27 发布于福建
举报
版权申诉

《数据采集技术》课件——Spiders.pptx

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档共22页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Spiders

Scrapy框架提供了scrapy.Spider做为爬虫的基类，所有自定义的爬虫必须从它那里继承SpidersSpiders负责定义如何爬取及解析数据

Spidersscrapy.Spider类的字段：主要字段描述name定义爬虫名称的字符串allowed_domains包含了允许爬取的域名列表start_urls表示初始URL列表custom_settings定义该spider配置的字典

拓展关于设置settings中的值的几种方法，优先级从高到低如下命令行选项1custom_settings2

拓展关于设置settings中的值的几种方法，优先级从高到低如下命令行选项1custom_settings2settings.py文件3命令行的默认设置，每一个命令行都有它自己的默认设置4默认的全局设置，被定义在scrapy.settings.default_settings中5

Spidersscrapy.Spider类的字段：主要字段描述name定义爬虫名称的字符串allowed_domains包含了允许爬取的域名列表start_urls表示初始URL列表custom_settings定义该spider配置的字典crawler定义spider实例绑定的crawler对象

Spidersscrapy.Spider类的字段：主要字段描述settings运行spider的配置logger用spider名字创建的Python日志记录器from_crawler(crawler,*args,**kwargs)scrapy用于创建spiders的类方法start_requests()开始爬虫URL的函数parse(response)Scrapy默认的回调用来处理下载的responselog(message[,level,component])日志处理closed(reason)在Spider关闭时被调用

Spidersscrapy.Spider类的字段：主要字段描述settings运行spider的配置logger用spider名字创建的Python日志记录器from_crawler(crawler,*args,**kwargs)scrapy用于创建spiders的类方法。start_requests()开始爬虫URL的函数parse(response)Scrapy默认的回调用来处理下载的responselog(message[,level,component])日志处理closed(reason)在Spider关闭时被调用

Spider参数使用带-a选项的爬行命令传递，如下所示：scrapycrawlfirst_scrapy-agroup=accessoriesSpider参数用于指定起始URL