• Scrapy框架—— 安装Scrapy
  

Scrapy框架—— 安装Scrapy

   Scrapy 可以说是爬虫界鼎鼎有名的框架。 它是一个重型的爬虫框架，结合数据抓取，导出，以及部分的数据清洗的功能。

本文针在python3.6的环境下来安装scrapy

需求配置

• sqlite依赖库(centos下为sqlite-devel包)

   scrapy 框架的正常运行，你的 python3.6 版本需要编译支持 sqlite ,

• python3.6

• Twisted

   scrapy 的异步功能实现,需要 Twisted 的支持。 目前 scrapy 的最新版本需要 Twisted>13.0 版本, 而 pip3.6 ， 所以我们需要从源码编译。

安装sqlite依赖库

   如果你的 python3.6 已经编译支持了 sqlite ,可以跳过这个步骤。

1. 下载sqlite库

   yum install sqlite-devel

编译python3.6

1. 下载python3.6源码

   cd /tmp
   curl -O Python-3.6.4.tgz  https://www.python.org/ftp/python/3.6.4/Python-3.6.4.tgz

2. 编译python3.6

   tar xvvf Python-3.6.4
   cd  Python-3.6.4
   ./configure
   make && make install

编译Twisted

1. 下载Twisted源码

   cd /tmp
   git clone https://github.com/twisted/twisted.git

2. 编译Twisted

   cd twisted/
   python3.6 setup.py install

安装Scrapy

pip3 install scrapy

测试Scrapy是否正常工作

   这里我们简单的抓一下京东首页的分类列表来测试一下 scrapy 是否正常工作。

scrapy genspider example www.jd.com //该命令会在当前目录下生成一个example.py文件

//example.py
import scrapy


class ExampleSpider(scrapy.Spider):
    name = 'example'
    allowed_domains = ['www.jd.com']
    start_urls = ['http://www.jd.com/']

    def parse(self, response):
    category = response.xpath('//div[contains(@class,"navitems")]/ul/li/a/text()').extract();
    for cate in category:
        yield {'cate': cate}
    pass

scrapy runspider example.py -L INFO -o category.json 
//该命令会运行example.py爬虫脚本，然后将抓取结果保存到category.json中

//category.json
[
{"cate": "\u79d2\u6740"},
{"cate": "\u4f18\u60e0\u5238"},
{"cate": "PLUS\u4f1a\u5458"},
{"cate": "\u95ea\u8d2d"},
{"cate": "\u62cd\u5356"},
{"cate": "\u4eac\u4e1c\u670d\u9970"},
{"cate": "\u4eac\u4e1c\u8d85\u5e02"},
{"cate": "\u751f\u9c9c"},
{"cate": "\u5168\u7403\u8d2d"},
{"cate": "\u4eac\u4e1c\u91d1\u878d"}
]