Python scrapy爬取起點中文網小說榜單

Posted on by

一、項目需求

爬取排行榜小說的作者，書名，分類以及完結或連載

二、項目分析

目標url：“https://www.qidian.com/rank/hotsales?style=1&page=1”

在這裡插入圖片描述

通過控制臺搜索發現相應信息均存在於html靜態網頁中，所以此次爬蟲難度較低。

在這裡插入圖片描述

通過控制臺觀察發現，需要的內容都在一個個li列表中，每一個列表代表一本書的內容。

在這裡插入圖片描述

在li中找到所需的內容

在這裡插入圖片描述

找到第兩頁的url
“https://www.qidian.com/rank/hotsales?style=1&page=1”
“https://www.qidian.com/rank/hotsales?style=1&page=2”
對比找到頁數變化
開始編寫scrapy程序。

三、程序編寫

創建項目太簡單，不說瞭

1.編寫item（數據存儲）

import scrapy

class QidianHotItem(scrapy.Item):
    name = scrapy.Field() #名稱
    author = scrapy.Field() #作者
    type = scrapy.Field() #類型
    form= scrapy.Field() #是否完載

2.編寫spider（數據抓取（核心代碼））

#coding:utf-8

from scrapy import Request
from scrapy.spiders import Spider
from ..items import QidianHotItem
#導入下需要的庫

class HotSalesSpider(Spider):#設置spider的類
    name = "hot" #爬蟲的名稱
    qidian_header={"user-agent":"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36"} #設置header
    current_page = 1 #爬蟲起始頁
    def start_requests(self): #重寫第一次請求
        url="https://www.qidian.com/rank/hotsales?style=1&page=1"
        yield Request(url,headers=self.qidian_header,callback=self.hot_parse)
		#Request發起鏈接請求
		#url：目標url
		#header:設置頭部（模擬瀏覽器）
		#callback:設置頁面抓起方式（空默認為parse）
    def hot_parse(self, response):#數據解析
        #xpath定位
        list_selector=response.xpath("//div[@class='book-mid-info']")
        #獲取所有小說
        for one_selector in list_selector:
            #獲取小說信息
            name=one_selector.xpath("h4/a/text()").extract()[0]
            #獲取作者
            author=one_selector.xpath("p[1]/a[1]/text()").extract()[0]
            #獲取類型
            type=one_selector.xpath("p[1]/a[2]/text()").extract()[0]
            # 獲取形式
            form=one_selector.xpath("p[1]/span/text()").extract()[0]

            item = QidianHotItem()
            #生產存儲器，進行信息存儲
            item['name'] = name
            item['author'] = author
            item['type'] = type
            item['form'] = form

            yield item #送出信息

            # 獲取下一頁URL，並生成一個request請求
            self.current_page += 1
            if self.current_page <= 10:#爬取前10頁
                next_url = "https://www.qidian.com/rank/hotsales?style=1&page="+str(self.current_page)
                yield Request(url=next_url,headers=self.qidian_header,callback=self.hot_parse)


    def css_parse(self,response):
        #css定位
        list_selector = response.css("[class='book-mid-info']")
        for one_selector in list_selector:
            # 獲取小說信息
            name = one_selector.css("h4>a::text").extract()[0]
            # 獲取作者
            author = one_selector.css(".author a::text").extract()[0]
            # 獲取類型
            type = one_selector.css(".author a::text").extract()[1]
            # 獲取形式
            form = one_selector.css(".author span::text").extract()[0]
            # 定義字典

            item=QidianHotItem()
            item['name']=name
            item['author'] = author
            item['type'] = type
            item['form'] = form
            yield  item

3.start.py（代替命令行）

在爬蟲項目文件夾下創建start.py。

在這裡插入圖片描述

from scrapy import cmdline
#導入cmd命令窗口
cmdline.execute("scrapy crawl hot -o hot.csv" .split())
#運行爬蟲並生產csv文件

出現類似的過程代表爬取成功。

在這裡插入圖片描述

hot.csv

在這裡插入圖片描述

總結

本次爬蟲內容還是十分簡單的因為隻用瞭spider和item，這幾乎是所有scrapy都必須調用的文件，後期還會有middlewarse.py，pipelines.py,setting.py需要編寫和配置，以及從javascript和json中提取數據，難度較大。

到此這篇關於Python scrapy爬取起點中文網小說榜單的文章就介紹到這瞭,更多相關Python爬取起點中文網內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：