python爬蟲框架feapde的使用簡介
1. 前言
大傢好，我是安果！
眾所周知，Python 最流行的爬蟲框架是 Scrapy，它主要用於爬取網站結構性數據
今天推薦一款更加簡單、輕量級，且功能強大的爬蟲框架：feapder
項目地址：
https://github.com/Boris-code/feapder
2. 介紹及安裝
和 Scrapy 類似，feapder 支持輕量級爬蟲、分佈式爬蟲、批次爬蟲、爬蟲報警機制等功能
內置的 3 種爬蟲如下：
- AirSpider
輕量級爬蟲，適合簡單場景、數據量少的爬蟲
- Spider
分佈式爬蟲，基於 Redis，適用於海量數據，並且支持斷點續爬、自動數據入庫等功能
- BatchSpider
分佈式批次爬蟲，主要用於需要周期性采集的爬蟲
在實戰之前，我們在虛擬環境下安裝對應的依賴庫
# 安裝依賴庫 pip3 install feapder
3. 實戰一下
我們以最簡單的 AirSpider 來爬取一些簡單的數據
目標網站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==
詳細實現步驟如下（ 5 步）
3-1 創建爬蟲項目
首先，我們使用「 feapder create -p 」命令創建一個爬蟲項目
# 創建一個爬蟲項目 feapder create -p tophub_demo
3-2 創建爬蟲 AirSpider
命令行進入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創建一個爬蟲
cd spiders # 創建一個輕量級爬蟲 feapder create -s tophub_spider 1
其中
- 1 為默認，表示創建一個輕量級爬蟲 AirSpider
- 2 代表創建一個分佈式爬蟲 Spider
- 3 代表創建一個分佈式批次爬蟲 BatchSpider
3-3 配置數據庫、創建數據表、創建映射 Item
以 Mysql 為例，首先我們在數據庫中創建一張數據表
# 創建一張數據表 create table topic ( id int auto_increment primary key, title varchar(100) null comment '文章標題', auth varchar(20) null comment '作者', like_count int default 0 null comment '喜歡數', collection int default 0 null comment '收藏數', comment int default 0 null comment '評論數' );
然後，打開項目根目錄下的 settings.py 文件，配置數據庫連接信息
# settings.py MYSQL_IP = "localhost" MYSQL_PORT = 3306 MYSQL_DB = "xag" MYSQL_USER_NAME = "root" MYSQL_USER_PASS = "root"
最後，創建映射 Item（ 可選 ）
進入到 items 文件夾，使用「 feapder create -i 」命令創建一個文件映射到數據庫
PS：由於 AirSpider 不支持數據自動入庫，所以這步不是必須
3-4 編寫爬蟲及數據解析
第一步，首先使「 MysqlDB 」初始化數據庫
from feapder.db.mysqldb import MysqlDB class TophubSpider(feapder.AirSpider): def __init__(self, *args, **kwargs): super().__init__(*args, **kwargs) self.db = MysqlDB()
第二步，在 start_requests 方法中，指定爬取主鏈接地址，使用關鍵字「download_midware 」配置隨機 UA
import feapder
from fake_useragent import UserAgent
def start_requests(self):
yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)
def download_midware(self, request):
# 隨機UA
# 依賴：pip3 install fake_useragent
ua = UserAgent().random
request.headers = {'User-Agent': ua}
return request
第三步，爬取首頁標題、鏈接地址
使用 feapder 內置方法 xpath 去解析數據即可
def parse(self, request, response):
# print(response.text)
card_elements = response.xpath('//div[@class="cc-cd"]')
# 過濾出對應的卡片元素【什麼值得買】
buy_good_element = [card_element for card_element in card_elements if
card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什麼值得買'][0]
# 獲取內部文章標題及地址
a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')
for a_element in a_elements:
# 標題和鏈接
title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
href = a_element.xpath('.//@href').extract_first()
# 再次下發新任務，並帶上文章標題
yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
title=title)
第四步，爬取詳情頁面數據
上一步下發新的任務，通過關鍵字「 callback 」指定回調函數，最後在 parser_detail_page 中對詳情頁面進行數據解析
def parser_detail_page(self, request, response):
"""
解析文章詳情數據
:param request:
:param response:
:return:
"""
title = request.title
url = request.url
# 解析文章詳情頁面，獲取點贊、收藏、評論數目及作者名稱
author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()
print("作者：", author, '文章標題:', title, "地址：", url)
desc_elements = response.xpath('//span[@class="xilie"]/span')
print("desc數目:", len(desc_elements))
# 點贊
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])
# 評論
comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])
print("點贊：", like_count, "收藏:", collection_count, "評論:", comment_count)
3-5 數據入庫
使用上面實例化的數據庫對象執行 SQL，將數據插入到數據庫中即可
# 插入數據庫
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (
title, author, like_count, collection_count, comment_count)
# 執行
self.db.execute(sql)
4. 最後
本篇文章通過一個簡單的實例，聊到瞭 feapder 中最簡單的爬蟲 AirSpider
關於 feapder 高級功能的使用，後面我將會通過一系列實例進行詳細說明
源碼地址：https://github.com/xingag/spider_python/tree/master/feapder
以上就是python爬蟲框架feapde的使用簡介的詳細內容，更多關於python爬蟲框架feapde的資料請關註WalkonNet其它相關文章！
推薦閱讀：
- None Found