Scrapy爬虫爬取书籍网站信息(一)
本文运用了Scrapy爬虫的知识,爬取了点击打开链接网站中的书籍信息,可以了解到基本Scrapy爬虫框架的使用方法。
一、项目需求:
1、其中每本书的信息包括:书名、价格、评价等级、产品编码、库存量、评价数量。
2、将爬取的结果保存到csv文件中。
二、在前期分析网页页面时,可以用Chrome开发者工具,也可以用scrapy shell<URL>命令,如下:
Chrome开发者工具这里不做介绍了,第二种方法在命令提示符下输入scrapy shell<URL>即可在交互式命令下操作一个Scrapy爬虫,如:scrapy shell http://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.html,(这里操作的是第一本书籍的页面),部分截图如下:
接下来,在scrapy shell中调用view函数,在浏览器中显示response所包含的页面:即输入:view(response)
在进行页面分析时,使用view函数打开的页面要比使用Chrome审查元素工具更加可靠。如下图:
********************************************************************************************************************************
分析完书籍页面后,接着分析如何在书籍列表页面中提取每一本书籍页面的链接。在scrapy shell中,先调用fetch函数下载第一个书籍列表页面(http://books.toscrape.com/),下载完后再调用view函数在浏览器中查看页面。
到此,页面分析工作已经完成了。