爬虫高级忘仙python课件pyspider_第1页
爬虫高级忘仙python课件pyspider_第2页
爬虫高级忘仙python课件pyspider_第3页
爬虫高级忘仙python课件pyspider_第4页
爬虫高级忘仙python课件pyspider_第5页
已阅读5页,还剩9页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

Python爬虫高级课教室讲师:忘仙时间:2018年教学监督热线免责声明:如果本课程内有任何内容侵害了您的权益,请您及时联系我们

潭州教育全球教学服务中心热线:PARTONE课时一教学监督热线课时一知识引入010203什么是Pyspider框架?如何安装Pyspider?Pyspider如何快速入门?知识点一问题解答01什么是Pyspider框架?--》简介一个国人编写的强大的网络爬虫系统并带有强大的WebUI。采用Python语言编写,分布式架构,支持多种数据库后端,强大的WebUI支持脚本编辑器,任务监视器,项目管理器以及结果查看器开源地址:中文文档:官方文档:知识点一问题解答01什么是Pyspider框架?--》特性python脚本控制,可以用任何你喜欢的html解析包(内置pyquery)WEB界面编写调试脚本,起停脚本,监控执行状态,查看活动历史,获取结果产出数据存储支持MySQL,MongoDB,Redis,SQLite,Elasticsearch;PostgreSQL及SQLAlchemy队列服务支持RabbitMQ,Beanstalk,Redis和Kombu支持抓取JavaScript的页面组件可替换,支持单机/分布式部署,支持Docker部署强大的调度控制,支持超时重爬及优先级设置支持python2&3知识点二问题解答怎样安装Pyspider?02安装pipinstallpyspider安装成功后运行pyspider03Pyspider如何快速入门?编写脚本在web控制台点create按钮新建任务,项目名自定义。本例项目名为v2ex。

03Pyspider如何快速入门?保存后打开代码编辑器(代码编辑器默认有简单的实例代码)03Pyspider如何快速入门?右侧就是代码编辑器,以后可以直接在这添加修改代码。代码如下:03Pyspider如何快速入门?代码简单分析:defon_start(self)

方法是入口代码。当在web控制台点击run按钮时会执行此方法。self.crawl(url,callback=self.index_page)这个方法是调用API生成一个新的爬取任务,这个任务被添加到待抓取队列。defindex_page(self,response)

这个方法获取一个Response对象。

response.doc是pyquery对象的一个扩展方法。pyquery是一个类似于jQuery的对象选择器。defdetail_page(self,response)返回一个结果集对象。这个结果默认会被添加到resultdb数据库(如果启动时没有指定数据库默认调用sqlite数据库)。你也可以重写on_result(self,result)方法来指定保存位置。

更多知识:@every(minutes=24*60,seconds=0)

这个设置是告诉scheduler(调度器)on_start方法每天执行一次。@config(age=10*24*60*60)

这个设置告诉scheduler(调度器)这个request(请求)过期时间是10天,10天内再遇到这个请求直接忽略。这个参数也可以在self.crawl(url,age=10*24*60*60)

crawl_config中设置。@config(priority=2)

这个是优先级设置。数字越大越先执行。03Pyspider如何快速入门?执行任务当您完成脚本编写,调试无误后,请先保存您的脚本!然后返回到控制台首页。直接点击项目状态status那栏,把状态由TODO改成debug或running。最后点击项目最右边那个RUN按钮启动项目。当progress那栏有数据显示说明启动成功。到现在就可以点最右侧的results查看结果了。本节知识点回顾Pyspider框

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论