Python小姿势 - Python爬取数据的库——Scrapy

Python爬取数据的库——Scrapy

一、爬虫的基本原理 爬虫的基本原理就是模拟人的行为，使用指定的工具和方法访问网站，然后把网站上的内容抓取到本地来。

爬虫的基本步骤：

1、获取URL地址：

2、发送请求获取网页源码；

3、使用正则表达式提取信息；

4、保存数据。

二、爬虫的类型 爬虫分为两类：

1、基于规则的爬虫：

基于规则的爬虫是指爬虫开发者需要自己定义爬取规则，爬虫根据规则解析页面，抽取所需要的数据。

2、自动化爬虫：

自动化爬虫不需要爬虫开发者定义爬取规则，爬虫可以根据给定的URL地址自动发现目标网站的结构，并自动抽取所需要的数据。

三、Python爬虫框架——Scrapy

Scrapy是用于爬取网站数据的一个框架，可以自动发现目标网站的结构，并自动抽取所需要的数据。Scrapy框架的基本组件如下：

1、Spider：

Spider是爬虫的核心组件，负责从指定的URL地址开始爬取网页数据。爬虫开发者需要自己定义Spider类，并实现parse()方法。

2、Item：

Item是爬取到的数据的载体，爬虫开发者需要自己定义Item类，并定义相应的字段。

3、Pipeline：

Pipeline是爬虫数据处理组件，负责对爬取到的数据进行清洗、过滤和存储。爬虫开发者需要

顺便介绍一下我的另一篇专栏， 《100天精通Python - 快速入门到黑科技》专栏，是由 CSDN 内容合伙人丨全站排名 Top 4 的硬核博主 不吃西红柿 倾力打造。 基础知识篇以理论知识为主，旨在帮助没有语言基础的小伙伴，学习我整理成体系的精华知识，快速入门构建起知识框架；黑科技应用篇以实战为主，包括办公效率小工具、爬虫、数据分析、机器学习、计算机视觉、自然语言处理、数据可视化等等，让你会用一段简单的Python程序，自动化解决工作和生活中的问题，甚至成为红客。

🍅 订阅福利：原价299，限时1折订阅专栏进入千人全栈VIP答疑群，作者优先解答机会（代码指导/学习方法指引），群里大佬可以抱团取暖（大厂/外企内推机会）

🍅 订阅福利：简历指导、招聘内推、80G全栈学习视频、300本IT电子书：Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等

🍅 专栏地址： 点击《100天精通Python - 快速入门到黑科技》