介绍一款能取代 Scrapy 的爬虫框架 – feapder

AirPython
AirPython
AirPython
2
文章
0
评论
2021-04-3020:30:41 评论 255 4160字
摘要

本篇文章通过一个简单的实例,聊到了 feapder 中最简单的爬虫 AirSpide。关于 feapder 高级功能的使用,后面我将会通过一系列实例进行详细说明。

 

1. 前言

大家好,我是安果!

众所周知,Python 最流行的爬虫框架是 Scrapy,它主要用于爬取网站结构性数据

今天推荐一款更加简单、轻量级,且功能强大的爬虫框架:feapder

项目地址:

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

2. 介绍及安装

和 Scrapy 类似,feapder 支持轻量级爬虫、分布式爬虫、批次爬虫、爬虫报警机制等功能

内置的 3 种爬虫如下:

  • AirSpider

    轻量级爬虫,适合简单场景、数据量少的爬虫

  • Spider

    分布式爬虫,基于 Redis,适用于海量数据,并且支持断点续爬、自动数据入库等功能

  • BatchSpider

    分布式批次爬虫,主要用于需要周期性采集的爬虫

在实战之前,我们在虚拟环境下安装对应的依赖库

# 安装依赖库pip3 install feapder

3. 实战一下

我们以最简单的 AirSpider 来爬取一些简单的数据

目标网站:aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

详细实现步骤如下( 5 步)

3-1  创建爬虫项目

首先,我们使用「 feapder create -p 」命令创建一个爬虫项目

# 创建一个爬虫项目feapder create -p tophub_demo

3-2  创建爬虫 AirSpider

命令行进入到 spiders 文件夹目录下,使用「 feapder create -s 」命令创建一个爬虫

cd spiders# 创建一个轻量级爬虫feapder create -s tophub_spider 1

其中

  • 1 为默认,表示创建一个轻量级爬虫 AirSpider

  • 2 代表创建一个分布式爬虫 Spider

  • 3 代表创建一个分布式批次爬虫 BatchSpider

3-3  配置数据库、创建数据表、创建映射 Item

以 Mysql 为例,首先我们在数据库中创建一张数据表

# 创建一张数据表create table topic(    id         int auto_increment        primary key,    title      varchar(100)  null comment "文章标题",    auth       varchar(20)   null comment "作者",    like_count     int default 0 null comment "喜欢数",    collection int default 0 null comment "收藏数",    comment    int default 0 null comment "评论数");

然后,打开项目根目录下的 settings.py 文件,配置数据库连接信息

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

最后,创建映射 Item( 可选 )

进入到 items 文件夹,使用「 feapder create -i 」命令创建一个文件映射到数据库

PS:由于 AirSpider 不支持数据自动入库,所以这步不是必须

3-4  编写爬虫及数据解析

第一步,首先使「 MysqlDB 初始化数据库

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,指定爬取主链接地址,使用关键字「download_midware 」配置随机 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):    # 随机UA    # 依赖:pip3 install fake_useragent    ua = UserAgent().random    request.headers = {"User-Agent": ua}    return request

第三步,爬取首页标题、链接地址

使用 feapder 内置方法 xpath 去解析数据即可

def parse(self, request, response):    # print(response.text)    card_elements = response.xpath("//div[@class="cc-cd"]")    # 过滤出对应的卡片元素【什么值得买】    buy_good_element = [card_element for card_element in card_elements if                        card_element.xpath(".//div[@class="cc-cd-is"]//span/text()").extract_first() == "什么值得买"][0]    # 获取内部文章标题及地址    a_elements = buy_good_element.xpath(".//div[@class="cc-cd-cb nano"]//a")    for a_element in a_elements:        # 标题和链接        title = a_element.xpath(".//span[@class="t"]/text()").extract_first()        href = a_element.xpath(".//@href").extract_first()        # 再次下发新任务,并带上文章标题        yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,                              title=title)

第四步,爬取详情页面数据

上一步下发新的任务,通过关键字「 callback 」指定回调函数,最后在 parser_detail_page 中对详情页面进行数据解析

def parser_detail_page(self, request, response):    """    解析文章详情数据    :param request:    :param response:    :return:    """    title = request.title    url = request.url    # 解析文章详情页面,获取点赞、收藏、评论数目及作者名称    author = response.xpath("//a[@class="author-title"]/text()").extract_first().strip()    print("作者:", author, "文章标题:", title, "地址:", url)    desc_elements = response.xpath("//span[@class="xilie"]/span")    print("desc数目:", len(desc_elements))    # 点赞    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])    # 评论    comment_count = int(re.findall("d+", desc_elements[3].xpath("./text()").extract_first())[0])    print("点赞:", like_count, "收藏:", collection_count, "评论:", comment_count)

3-5  数据入库

使用上面实例化的数据库对象执行 SQL,将数据插入到数据库中即可

# 插入数据库sql = "INSERT INTO topic(title,auth,like_count,collection,commentvalues("%s","%s","%s","%d","%d")" % (title, author, like_count, collection_count, comment_count)# 执行self.db.execute(sql)

4. 最后

本篇文章通过一个简单的实例,聊到了 feapder 中最简单的爬虫 AirSpider

关于 feapder 高级功能的使用,后面我将会通过一系列实例进行详细说明

End.

爱数据网专栏作者:星安果

作者介绍:分享 Python 爬虫、自动化、Web原创技术干货

个人微信公众号:AirPython(ID:AirPython)

本文为爱数据网站专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

更多文章前往首页浏览http://www.itongji.cn/

 

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: