欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

上手简单,功能强大的Python爬虫框架——feapder

程序员文章站 2022-06-27 12:07:03
简介feapder 是一款上手简单,功能强大的python爬虫框架,使用方式类似scrapy,方便由scrapy框架切换过来,框架内置3种爬虫: airspider爬虫比较轻量,学习成本低。面对...

简介

feapder 是一款上手简单,功能强大的python爬虫框架,使用方式类似scrapy,方便由scrapy框架切换过来,框架内置3种爬虫:

  • airspider爬虫比较轻量,学习成本低。面对一些数据量较少,无需断点续爬,无需分布式采集的需求,可采用此爬虫。
  • spider是一款基于redis的分布式爬虫,适用于海量数据采集,支持断点续爬、爬虫报警、数据自动入库等功能
  • batchspider是一款分布式批次爬虫,对于需要周期性采集的数据,优先考虑使用本爬虫。

feapder除了支持断点续爬、数据防丢、监控报警外,还支持浏览器渲染下载,自定义入库pipeline,方便对接其他数据库(默认数据库为mysql,数据可自动入库,无需编写pipeline)

读音: [ˈfiːpdə]

环境要求:

  • python 3.6.0+
  • works on linux, windows, macos

安装

from pypi:

通用版

pip3 install feapder

完整版:

pip3 install feapder[all]

通用版与完整版区别:

完整版支持基于内存去重

完整版可能会安装出错,若安装出错,请参考安装问题

小试一下

创建爬虫

feapder create -s first_spider

创建后的爬虫代码如下:

import feapder


class firstspider(feapder.airspider):
    def start_requests(self):
        yield feapder.request("https://www.baidu.com")

    def parse(self, request, response):
        print(response)


if __name__ == "__main__":
    firstspider().start()

直接运行,打印如下:

thread-2|2021-02-09 14:55:11,373|request.py|get_response|line:283|debug|
                -------------- firstspider.parse request for ----------------
                url  = https://www.baidu.com
                method = get
                body = {'timeout': 22, 'stream': true, 'verify': false, 'headers': {'user-agent': 'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/27.0.1453.93 safari/537.36'}}

<response [200]>
thread-2|2021-02-09 14:55:11,610|parser_control.py|run|line:415|debug| parser 等待任务 ...
firstspider|2021-02-09 14:55:14,620|air_spider.py|run|line:80|info| 无任务,爬虫结束

代码解释如下:

  • start_requests: 生产任务
  • parse: 解析数据

将请求头转为json格式

爬虫采集中,我们经常需要携带网站的header等参数,比如:我们在浏览器检查工具看到某请求头为:

accept-encoding: gzip, deflate, br
accept-language: zh-cn,zh;q=0.9,en;q=0.8
cache-control: max-age=0
connection: keep-alive
user-agent: mozilla/5.0 (macintosh; intel mac os x 10_15_4) applewebkit/537.36 (khtml, like gecko) chrome/89.0.4389.90 safari/537.36

如果我们想在发请求时携带这个header,那么需要手动将其转为json格式。

使用

输入命令,回车

> feapder create -j
请输入需要转换的内容:(xxx:xxx格式,支持多行)

上手简单,功能强大的Python爬虫框架——feapder

输出如下:

上手简单,功能强大的Python爬虫框架——feapder

另外,feapder还支持创建有序字典,方便对比参数前后的变化

命令为:

feapder create -sj

以上就是上手简单,功能强大的python爬虫框架——feapder的详细内容,更多关于python 爬虫框架feapder的资料请关注其它相关文章!