首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >python crawlspider 例子

python crawlspider 例子

作者头像
用户5760343
发布2022-01-10 08:17:50
发布2022-01-10 08:17:50
72100
代码可运行
举报
文章被收录于专栏:sktjsktj
运行总次数:0
代码可运行

rules=( Rule(LinkExtractor(allow=r'/web/site0/tab5240/info\d+.htm'),callback='parse_item'), Rule(LinkExtractor(allow=r'/web/site0/tab5240/module14430/page\d+.htm'),follow=True), ) 1、##

-- coding: utf-8 --

import scrapy from scrapy.linkextractors import LinkExtractor from scrapy.spiders import CrawlSpider, Rule import re

class CfSpider(CrawlSpider): name = 'cf' allowed_domains = ['bxjg.circ.gov.cn'] start_urls = ['http://bxjg.circ.gov.cn/web/site0/tab5240/Default.htm']

代码语言:javascript
代码运行次数:0
运行
复制
rules = (
    Rule(LinkExtractor(allow=r'/web/site0/tab5240/info\d+\.htm'), callback='parse_item', ),
    Rule(LinkExtractor(allow=r'/web/site0/tab5240/module14430/page\d+\.htm'),follow=True, ),
)

def parse_item(self, response):
    item = {}
    item['title']=response.xpath('//title/text()').extract()
    item['publish_date'] = response.xpath("//meta[@name='docdate']/@content").extract()
    print(item)

2、settings.py

USER_AGENT = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_3) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.54 Safari/536.5' DOWNLOAD_DELAY=1

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.05.16 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • -- coding: utf-8 --
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档