如何用Scrapy抓取网页

这篇文章将为大家详细讲解有关如何用Scrapy抓取网页，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

Scrapy是一种快速的高级Web爬虫和Web抓取框架，用于抓取网站并从其页面中提取结构化数据。它可用于各种用途，从数据挖掘到监控和自动化测试。

老规矩，使用前先用pip install scrapy进行安装，如果安装过程中遇到错误一般为error：Microsoft Visual C++ 14.0 is required. 只需要访问https://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted网站下载Twisted-19.2.1-cp37-cp37m-win_amd64安装即可，注意cp37代表的是我本机python的版本3.7 amd64代表我的操作系统位数。

安装使用 pip install Twisted-19.2.1-cp37-cp37m-win_amd64.whl即可，然后在重新安装scrapy就会成功安装了；安装成功后我们就可以使用scrapy命令进行创建爬虫项目了。

接下来在我的桌面运行cmd命令，使用 scrapy startproject webtutorial创建项目：

会在桌面生成一个webtutorial文件夹，我们看下目录结构：

然后我们在spiders文件夹下新建一个quotes_spider.py，编写一个爬虫用来爬取http://quotes.toscrape.com网站保存为一个html文件，网站截图如下：

代码如下：

import scrapy
#定义爬虫类class QuotesSpider(scrapy.Spider):    #指定爬虫名字 一会要用到    name = "quotes"    #开始请求方法    def start_requests(self):        urls = [                'http://quotes.toscrape.com/page/1/',                'http://quotes.toscrape.com/page/2/']        for url in urls:            yield scrapy.Request(url=url, callback=self.parse)#解析写入返回内容到html中    def parse(self, response):        page = response.url.split("/")[-2]        filename = 'quotes-%s.html' % page        with open(filename, 'wb') as f:            f.write(response.body)        self.log('Saved file %s' % filename)

之后的目录结构为：

然后我们在命令行中切换到webtutorial文件夹下，执行命令scrapy crawl quotes进行抓取（quotes为刚才指定的爬虫名）：

发现出错了，No module named 'win32api',这里我们安装一下win32api

使用命令 pip install pypiwin32，然后继续执行scrapy crawl quotes：

可知爬虫任务成功执行，这时会在webtutorial文件夹下生成两个html：

关于如何用Scrapy抓取网页就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。