Django結合使用Scrapy爬取數據入庫的方法示例
在django項目根目錄位置創建scrapy項目,django_12是django項目,ABCkg是scrapy爬蟲項目,app1是django的子應用
2.在Scrapy的settings.py中加入以下代碼
import os import sys sys.path.append(os.path.dirname(os.path.abspath('.'))) os.environ['DJANGO_SETTINGS_MODULE'] = 'django_12.settings' # 項目名.settings import django django.setup()
3.編寫爬蟲,下面代碼以ABCkg為例,abckg.py
# -*- coding: utf-8 -*- import scrapy from ABCkg.items import AbckgItem class AbckgSpider(scrapy.Spider): name = 'abckg' #爬蟲名稱 allowed_domains = ['www.abckg.com'] # 允許爬取的范圍 start_urls = ['http://www.abckg.com/'] # 第一次請求的地址 def parse(self, response): print('返回內容:{}'.format(response)) """ 解析函數 :param response: 響應內容 :return: """ listtile = response.xpath('//*[@id="container"]/div/div/h2/a/text()').extract() listurl = response.xpath('//*[@id="container"]/div/div/h2/a/@href').extract() for index in range(len(listtile)): item = AbckgItem() item['title'] = listtile[index] item['url'] = listurl[index] yield scrapy.Request(url=listurl[index],callback=self.parse_content,method='GET',dont_filter=True,meta={'item':item}) # 獲取下一頁 nextpage = response.xpath('//*[@id="container"]/div[1]/div[10]/a[last()]/@href').extract_first() print('即將請求:{}'.format(nextpage)) yield scrapy.Request(url=nextpage,callback=self.parse,method='GET',dont_filter=True) # 獲取詳情頁 def parse_content(self,response): item = response.meta['item'] item['content'] = response.xpath('//*[@id="post-1192"]/dd/p').extract() print('內容為:{}'.format(item)) yield item
4.scrapy中item.py 中引入django模型類
pip install scrapy-djangoitem
from app1 import models from scrapy_djangoitem import DjangoItem class AbckgItem(DjangoItem): # define the fields for your item here like: # name = scrapy.Field() # 普通scrapy爬蟲寫法 # title = scrapy.Field() # url = scrapy.Field() # content = scrapy.Field() django_model = models.ABCkg # 註入django項目的固定寫法,必須起名為django_model =django中models.ABCkg表
5.pipelines.py中調用save()
import json from pymongo import MongoClient # 用於接收parse函數發過來的item class AbckgPipeline(object): # i = 0 def open_spider(self,spider): # print('打開文件') if spider.name == 'abckg': self.f = open('abckg.json',mode='w') def process_item(self, item, spider): # # print('ABC管道接收:{}'.format(item)) # if spider.name == 'abckg': # self.f.write(json.dumps(dict(item),ensure_ascii=False)) # # elif spider.name == 'cctv': # # img = requests.get(item['img']) # # if img != '': # # with open('圖片\%d.png'%self.i,mode='wb')as f: # # f.write(img.content) # # self.i += 1 item.save() return item # 將item傳給下一個管道執行 def close_spider(self,spider): # print('關閉文件') self.f.close()
6.在django中models.py中一個模型類,字段對應爬取到的數據,選擇適當的類型與長度
class ABCkg(models.Model): title = models.CharField(max_length=30,verbose_name='標題') url = models.CharField(max_length=100,verbose_name='網址') content = models.CharField(max_length=200,verbose_name='內容') class Meta: verbose_name_plural = '爬蟲ABCkg' def __str__(self): return self.title
7.通過命令啟動爬蟲:scrapy crawl 爬蟲名稱
8.django進入admin後臺即可看到爬取到的數據。
到此這篇關於Django結合使用Scrapy爬取數據入庫的方法示例的文章就介紹到這瞭,更多相關Django Scrapy爬取數據入庫內容請搜索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:
- Python爬蟲教程使用Scrapy框架爬取小說代碼示例
- Python scrapy爬取起點中文網小說榜單
- python實現Scrapy爬取網易新聞
- python Scrapy框架原理解析
- 使用scrapy實現增量式爬取方式