Scrapy：python3下的第一次运行测试

运行环境配置

本次测试的环境是：Windows10， Python3.4.3 32bit

安装Scrapy ： $ pip install Scrapy #实际安装时，由于服务器状态的不稳定，出现好几次中途退出的情况

编写运行第一个Scrapy爬虫

生成一个新项目：tutorial

scrapy startproject tutorial

项目目录结构如下：

定义要抓取的item

定义Spider

运行

scrapy crawl dmoz -o item.json

1) 结果报错：

A) ImportError: cannot import name '_win32stdio'

B) ImportError: No module named 'win32api'

2) 查错过程：查看官方的FAQ和stackoverflow上的信息，原来是scrapy在python3上测试还不充分，还有小问题。

3) 解决过程：

A) 需要手工去下载twisted/internet下的 _win32stdio 和 _pollingfile，存放到python目录的libsitepackagestwistedinternet下

B) 下载并安装pywin32

再次运行，成功！在控制台上可以看到scrapy的输出信息，待运行完成退出后，到项目目录打开结果文件items.json， 可以看到里面以json格式存储的爬取结果。

第一次运行scrapy的测试成功

接下来的工作

接下来，我们将使用GooSeeker API来实现网络爬虫，省掉对每个item人工去生成和测试xpath的工作量。目前有2个计划：

在gsExtractor中封装一个方法：从xslt内容中自动提取每个item的xpath

从gsExtractor的提取结果中自动提取每个item的结果