在Linux系統(tǒng)上安裝Python的Scrapy框架的教程

來源：懂視網(wǎng) 責(zé)編：小采時間：2020-11-27 14:34:02

在Linux系統(tǒng)上安裝Python的Scrapy框架的教程

在Linux系統(tǒng)上安裝Python的Scrapy框架的教程:這是一款提取網(wǎng)站數(shù)據(jù)的開源工具。Scrapy框架用Python開發(fā)而成，它使抓取工作又快又簡單，且可擴展。我們已經(jīng)在virtual box中創(chuàng)建一臺虛擬機（VM）并且在上面安裝了Ubuntu 14.04 LTS。安裝 Scrapy Scrapy依賴于Python、開發(fā)庫和pip。Pytho

推薦度：

點擊下載本文 文檔為doc格式

導(dǎo)讀在Linux系統(tǒng)上安裝Python的Scrapy框架的教程:這是一款提取網(wǎng)站數(shù)據(jù)的開源工具。Scrapy框架用Python開發(fā)而成，它使抓取工作又快又簡單，且可擴展。我們已經(jīng)在virtual box中創(chuàng)建一臺虛擬機（VM）并且在上面安裝了Ubuntu 14.04 LTS。安裝 Scrapy Scrapy依賴于Python、開發(fā)庫和pip。Pytho

這是一款提取網(wǎng)站數(shù)據(jù)的開源工具。Scrapy框架用Python開發(fā)而成，它使抓取工作又快又簡單，且可擴展。我們已經(jīng)在virtual box中創(chuàng)建一臺虛擬機（VM）并且在上面安裝了Ubuntu 14.04 LTS。
安裝 Scrapy
Scrapy依賴于Python、開發(fā)庫和pip。Python最新的版本已經(jīng)在Ubuntu上預(yù)裝了。因此我們在安裝Scrapy之前只需安裝pip和python開發(fā)庫就可以了。

pip是作為python包索引器easy_install的替代品，用于安裝和管理Python包。pip包的安裝可見圖 1。

 sudo apt-get install python-pip

201561193734623.png (530×109)

圖:1 pip安裝

我們必須要用下面的命令安裝python開發(fā)庫。如果包沒有安裝那么就會在安裝scrapy框架的時候報關(guān)于python.h頭文件的錯誤。

 sudo apt-get install python-dev

201561193801448.png (513×74)

圖:2 Python 開發(fā)庫

scrapy框架既可從deb包安裝也可以從源碼安裝。在圖3中我們用pip（Python 包管理器）安裝了deb包了。

 sudo pip install scrapy

201561193823875.png (507×126)

圖:3 Scrapy 安裝

圖4中scrapy的成功安裝需要一些時間。

201561193846944.png (572×108)

圖:4 成功安裝Scrapy框架
使用scrapy框架提取數(shù)據(jù)
基礎(chǔ)教程

我們將用scrapy從fatwallet.com上提取商店名稱（賣卡的店）。首先，我們使用下面的命令新建一個scrapy項目“store name”，見圖5。

$sudo scrapy startproject store_name

201561193909068.png (553×341)

圖:5 Scrapy框架新建項目

上面的命令在當(dāng)前路徑創(chuàng)建了一個“store_name”的目錄。項目主目錄下包含的文件/文件夾見圖6。

 $sudo ls –lR store_name

201561193933392.png (488×336)

圖:6 store_name項目的內(nèi)容

每個文件/文件夾的概要如下：

scrapy.cfg 是項目配置文件

store_name/ 主目錄下的另一個文件夾。這個目錄包含了項目的python代碼

store_name/items.py 包含了將由蜘蛛爬取的項目

store_name/pipelines.py 是管道文件

store_name/settings.py 是項目的配置文件

store_name/spiders/，包含了用于爬取的蜘蛛

由于我們要從fatwallet.com上如提取店名，因此我們?nèi)缦滦薷奈募↙CTT 譯注：這里沒說明是哪個文件，譯者認為應(yīng)該是 items.py）。

 import scrapy
 class StoreNameItem(scrapy.Item):
 name = scrapy.Field() # 取出卡片商店的名稱

之后我們要在項目的store_name/spiders/文件夾下寫一個新的蜘蛛。蜘蛛是一個python類，它包含了下面幾個必須的屬性：

蜘蛛名 (name )

爬取起點url (start_urls)

包含了從響應(yīng)中提取需要內(nèi)容相應(yīng)的正則表達式的解析方法。解析方法對爬蟲而言很重要。

我們在storename/spiders/目錄下創(chuàng)建了“storename.py”爬蟲，并添加如下的代碼來從fatwallet.com上提取店名。爬蟲的輸出寫到文件（StoreName.txt）中，見圖7。

 from scrapy.selector import Selector
 from scrapy.spider import BaseSpider
 from scrapy.http import Request
 from scrapy.http import FormRequest
 import re
 class StoreNameItem(BaseSpider):
 name = "storename"
 allowed_domains = ["fatwallet.com"]
 start_urls = ["http://fatwallet.com/cash-back-shopping/"]
 def parse(self,response):
 output = open('StoreName.txt','w')
 resp = Selector(response)
 tags = resp.xpath('//tr[@class="storeListRow"]|
 //tr[@class="storeListRow even"]|
 //tr[@class="storeListRow even last"]|
 //tr[@class="storeListRow last"]').extract()
 for i in tags:
 i = i.encode('utf-8', 'ignore').strip()
 store_name = ''
 if re.search(r"class="storeListStoreName">.*?<",i,re.I|re.S):
 store_name = re.search(r"class="storeListStoreName">.*?<",i,re.I|re.S).group()
 store_name = re.search(r">.*?<",store_name,re.I|re.S).group()
 store_name = re.sub(r'>',"",re.sub(r'<',"",store_name,re.I))
 store_name = re.sub(r'&',"&",re.sub(r'&',"&",store_name,re.I))
 #print store_name
 output.write(store_name+""+"
")

2015611939301.png (293×386)