Python scrapy爬虫框架爬取廖雪峰大佬官网Python教程左侧目录

文章转载至：

mob6454cc6f27a3 的Python Scrapy 爬虫框架实例(一) 爬虫框架scrapy简单实例

吃面崩掉牙的Scrapy爬虫框架入门教程（1）——爬取廖雪峰老师的博客

！！只是爬取一个字段，并不将爬取的数据存储下来。！！

运行环境：

• window10 x64系统
• python3.6
• pycharm
• anaconda
• scrapy

安装好以上环境、包之后，打开cmd，输入scrapy startproject liaoxuefeng，出现以下提示后，就说明已经成功创建一个scrapy的新项目：

我这里已经安装好了，再次输入命令后提示说已经存在了，然后会给你贴出路劲，找到所创建的文件夹

 在该项目的根目录下，文件夹形式如下：

liaoxuefeng/
    scrapy.cfg
    liaoxuefeng/
        __init__.py
        items.py
        pipelines.py
        settings.py
        spiders/
            __init__.py
            ...

开始编写爬虫代码

打开liaoxuefeng/liaoxuefeng/spiders，创建一个新文件liaoxuefeng.py，写入如下代码：

import scrapy


class LiaoxuefengSpider(scrapy.Spider):
    # 这里是将爬虫定义为scrapy.Spider这个类下的一个实例。
    # Spider这个类定义了爬虫的很多基本功能，我们直接实例化就好，
    # 省却了很多重写方法的麻烦。
    name = 'lxf'
    #这是爬虫的名字，这个非常重要。
    start_urls = ['http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000']
    #这是爬虫开始干活的地址，必须是一个可迭代对象。

    def parse(self, response):
    #爬虫收到上面的地址后，就会发送requests请求，在收到服务器返回的内容后，就将内容传递给parse函数。在这里我们重写函数，达到我们想要的功能。
        titles = response.xpath("//ul[@class='uk-nav uk-nav-side']//a/text()").extract()
        #这是廖雪峰老师python教程的标题列表。我们利用xpath解析器对收到的response进行分析，从而提取出我们需要的数据。//XXX表示任何任何目录下的XXX区块，/XXX表示子目录下的XXX区块，XXX[@class=abc]表示带有class=abc属性值的XXX区块，/text()表示获取该区块的文本。最后加上.extract()表示将内容提取出来。
        for title in titles:
            print (title)
        #这个没什么说的了，直接遍历，然后打印标题。

然后进入cmd，在项目的根目录下运行scrapy crawl lxf（这个lxf就是刚才liaoxuefeng.py文件中的name字段，千万不要弄错了），运行成功，将打印当页所有的目录名称：

目录挺多的，省略