1. 前言

大家好，我是安果！

眾所周知，Python 最流行的爬蟲框架是 Scrapy，它主要用于爬取網(wǎng)站結(jié)構(gòu)性數(shù)據(jù)

今天推薦一款更加簡單、輕量級，且功能強(qiáng)大的爬蟲框架：feapder

項(xiàng)目地址：

https://github.com/Boris-code/feapder

2. 介紹及安裝

和 Scrapy 類似，feapder 支持輕量級爬蟲、分布式爬蟲、批次爬蟲、爬蟲報(bào)警機(jī)制等功能

內(nèi)置的 3 種爬蟲如下：

AirSpider

輕量級爬蟲，適合簡單場景、數(shù)據(jù)量少的爬蟲

Spider

分布式爬蟲，基于 Redis，適用于海量數(shù)據(jù)，并且支持?jǐn)帱c(diǎn)續(xù)爬、自動數(shù)據(jù)入庫等功能

BatchSpider

分布式批次爬蟲，主要用于需要周期性采集的爬蟲

在實(shí)戰(zhàn)之前，我們在虛擬環(huán)境下安裝對應(yīng)的依賴庫

# 安裝依賴庫pip3 install feapder3. 實(shí)戰(zhàn)一下

我們以最簡單的 AirSpider 來爬取一些簡單的數(shù)據(jù)

目標(biāo)網(wǎng)站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

詳細(xì)實(shí)現(xiàn)步驟如下（ 5 步）

3-1 創(chuàng)建爬蟲項(xiàng)目

首先，我們使用「 feapder create -p 」命令創(chuàng)建一個爬蟲項(xiàng)目

# 創(chuàng)建一個爬蟲項(xiàng)目feapder create -p tophub_demo3-2 創(chuàng)建爬蟲 AirSpider

命令行進(jìn)入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創(chuàng)建一個爬蟲

cd spiders# 創(chuàng)建一個輕量級爬蟲feapder create -s tophub_spider 1

其中

1 為默認(rèn)，表示創(chuàng)建一個輕量級爬蟲 AirSpider 2 代表創(chuàng)建一個分布式爬蟲 Spider 3 代表創(chuàng)建一個分布式批次爬蟲 BatchSpider3-3 配置數(shù)據(jù)庫、創(chuàng)建數(shù)據(jù)表、創(chuàng)建映射 Item

以 Mysql 為例，首先我們在數(shù)據(jù)庫中創(chuàng)建一張數(shù)據(jù)表

# 創(chuàng)建一張數(shù)據(jù)表create table topic( id int auto_incrementprimary key, title varchar(100) null comment ’文章標(biāo)題’, auth varchar(20) null comment ’作者’, like_count int default 0 null comment ’喜歡數(shù)’, collection int default 0 null comment ’收藏?cái)?shù)’, comment int default 0 null comment ’評論數(shù)’);

然后，打開項(xiàng)目根目錄下的 settings.py 文件，配置數(shù)據(jù)庫連接信息

# settings.pyMYSQL_IP = 'localhost'MYSQL_PORT = 3306MYSQL_DB = 'xag'MYSQL_USER_NAME = 'root'MYSQL_USER_PASS = 'root'

最后，創(chuàng)建映射 Item（ 可選 ）

進(jìn)入到 items 文件夾，使用「 feapder create -i 」命令創(chuàng)建一個文件映射到數(shù)據(jù)庫

PS：由于 AirSpider 不支持?jǐn)?shù)據(jù)自動入庫，所以這步不是必須

3-4 編寫爬蟲及數(shù)據(jù)解析

第一步，首先使「 MysqlDB 」初始化數(shù)據(jù)庫

from feapder.db.mysqldb import MysqlDBclass TophubSpider(feapder.AirSpider): def __init__(self, *args, **kwargs):super().__init__(*args, **kwargs)self.db = MysqlDB()

第二步，在 start_requests 方法中，指定爬取主鏈接地址，使用關(guān)鍵字「download_midware 」配置隨機(jī) UA

import feapderfrom fake_useragent import UserAgentdef start_requests(self): yield feapder.Request('https://tophub.today/', download_midware=self.download_midware)def download_midware(self, request): # 隨機(jī)UA # 依賴：pip3 install fake_useragent ua = UserAgent().random request.headers = {’User-Agent’: ua} return request

第三步，爬取首頁標(biāo)題、鏈接地址

使用 feapder 內(nèi)置方法 xpath 去解析數(shù)據(jù)即可

def parse(self, request, response): # print(response.text) card_elements = response.xpath(’//div[@class='cc-cd']’) # 過濾出對應(yīng)的卡片元素【什么值得買】 buy_good_element = [card_element for card_element in card_elements ifcard_element.xpath(’.//div[@class='cc-cd-is']//span/text()’).extract_first() == ’什么值得買’][0] # 獲取內(nèi)部文章標(biāo)題及地址 a_elements = buy_good_element.xpath(’.//div[@class='cc-cd-cb nano']//a’) for a_element in a_elements:# 標(biāo)題和鏈接title = a_element.xpath(’.//span[@class='t']/text()’).extract_first()href = a_element.xpath(’.//@href’).extract_first()# 再次下發(fā)新任務(wù)，并帶上文章標(biāo)題yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page, title=title)

第四步，爬取詳情頁面數(shù)據(jù)

上一步下發(fā)新的任務(wù)，通過關(guān)鍵字「 callback 」指定回調(diào)函數(shù)，最后在 parser_detail_page 中對詳情頁面進(jìn)行數(shù)據(jù)解析

def parser_detail_page(self, request, response): ''' 解析文章詳情數(shù)據(jù) :param request: :param response: :return: ''' title = request.title url = request.url # 解析文章詳情頁面，獲取點(diǎn)贊、收藏、評論數(shù)目及作者名稱 author = response.xpath(’//a[@class='author-title']/text()’).extract_first().strip() print('作者：', author, ’文章標(biāo)題:’, title, '地址：', url) desc_elements = response.xpath(’//span[@class='xilie']/span’) print('desc數(shù)目:', len(desc_elements)) # 點(diǎn)贊 like_count = int(re.findall(’d+’, desc_elements[1].xpath(’./text()’).extract_first())[0]) # 收藏 collection_count = int(re.findall(’d+’, desc_elements[2].xpath(’./text()’).extract_first())[0]) # 評論 comment_count = int(re.findall(’d+’, desc_elements[3].xpath(’./text()’).extract_first())[0]) print('點(diǎn)贊：', like_count, '收藏:', collection_count, '評論:', comment_count)3-5 數(shù)據(jù)入庫

使用上面實(shí)例化的數(shù)據(jù)庫對象執(zhí)行 SQL，將數(shù)據(jù)插入到數(shù)據(jù)庫中即可

# 插入數(shù)據(jù)庫sql = 'INSERT INTO topic(title,auth,like_count,collection,comment) values(’%s’,’%s’,’%s’,’%d’,’%d’)' % (title, author, like_count, collection_count, comment_count)# 執(zhí)行self.db.execute(sql)4. 最后

本篇文章通過一個簡單的實(shí)例，聊到了 feapder 中最簡單的爬蟲 AirSpider

關(guān)于 feapder 高級功能的使用，后面我將會通過一系列實(shí)例進(jìn)行詳細(xì)說明

源碼地址：https://github.com/xingag/spider_python/tree/master/feapder

以上就是python爬蟲框架feapder的使用簡介的詳細(xì)內(nèi)容，更多關(guān)于python爬蟲框架feapde的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！