手把手教你写爬虫第六弹--pyspider 框架入门之煎蛋无聊图

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3475 天前的主题，其中的信息可能已经有所发展或是发生改变。

先给链接： http://haoqicat.com/jason52/shou-ba-shou-jiao-ni-xie-python-pa-chong/7

==
楼主前两天学习了一下 pyspider。 pyspider大法好呀，因此怒更一发来安利~

所要完成的任务是和第一弹相同的，只不过这次是使用 pyspider 来完成任务。

只是做了简要的介绍，怎么入门改模板、启动项目等，完全没有涉及到任务调度之类的~

==
之前爬虫系列介绍 http://v2ex.com/t/177020

视频都在 http://haoqicat.com/jason52/shou-ba-shou-jiao-ni-xie-python-pa-chong

pyspider

爬虫

入门

21 条回复 • 2015-08-05 17:35:00 +08:00

laoyuan

2015-05-31 16:05:33 +08:00

先收藏一下，回家再看

kungfuchicken

2015-05-31 16:25:23 +08:00

都把煎蛋当爬虫测试地啊，看来要放个大招反爬虫了

jason52

2015-05-31 16:28:34 +08:00

@laoyuan

楼上同学你做过一个笔记呀~那这个screencast应该就没什么价值了~比较粗浅~

http://v2ex.com/t/187256#reply4

另外一点是在webUI里面写程序比较蛋疼，我觉得应该可以直接本地编辑一个文件，然后webui里面只是负责管理，启动服务。

俺得再找找怎么整~

jason52

2015-05-31 16:30:24 +08:00

@kungfuchicken 啊~~~蛋主我对不起你~~~~~~一看你的详细介绍吓尿了~~~~

laoyuan

2015-05-31 17:12:54 +08:00

@jason52 是啊，看得眼睛疼。你倒提醒我了，是不是可以编辑文件，然后webUI 那边execfile()

sefemp

2015-05-31 17:18:28 +08:00

query的发音。。。

laoyuan

2015-05-31 17:22:06 +08:00

hahaha 测试可行，我真是太机智了~

flight2006

2015-05-31 17:30:12 +08:00 via Android

抓过，后来觉得不够刺激，改了下去抓1024了，1024抓起来费劲点

matrix67

2015-05-31 18:57:30 +08:00 via Android

@laoyuan 肿么搞？？

matrix67

2015-05-31 18:58:55 +08:00 via Android

先学肿么抓代理

binux

2015-05-31 22:46:17 +08:00

pyspider 不一定是在本地运行的，所以直接编辑文件不是那么通用
以前用 webdav 实现过在本地编辑，同步到到 webui 执行
现在这个功能还在 todo list 上

binux

2015-05-31 22:57:55 +08:00

首先 callback 这个概念在 pyspider 里面很重要，它指的是用哪个函数去解析抓回来的那个页面，然后在那个页面中，是点击下一页，还是抽取图片（或者两个都有），都是那个函数的代码。
然后，你并不需要手动取获取 css 选择器，点击 enable css selector helper 然后，在 web 面板点击元素，就会自动选择最合适的 css 选择器 pattern 了。

binux

2015-05-31 22:59:12 +08:00

另外看视频发现个 bug，赶紧悄悄修好了。。

jason52

2015-05-31 23:17:45 +08:00 via Android

@binux 虫叔你好。CSS选择器俺也试了，但是这个例子里面貌似取不到所谓的最大公约数，所以我就跳过了。

之前毛毛虫那个倒是好使。。。感觉非常好用。

2015-05-31 23:21:27 +08:00

@binux 大神，感觉 pyspider 的使用情景更像是抓新内容？对于监控页面的变化的场景，能否在脚本里设置保存每次的抓取结果而非替换掉？

binux

2015-05-31 23:23:08 +08:00

@jason52 这个例子需要选择一下

binux

2015-05-31 23:25:02 +08:00

@11 这样的场景，需要重载 on_result 方法，自己写数据库存储的操作。

matrix67

2015-06-01 10:27:22 +08:00

2 楼是煎蛋的全栈工程师...

binux

2015-06-05 09:34:46 +08:00

@laoyuan 现在你可以通过 webdav 挂载脚本为本地文件，用任意编辑器编辑，然后到 web 上调试了。
搜索 webdav windows 看怎么在你的平台上挂载 http://demo.pyspider.org/dav/ 这个地址就好了

terax

2015-06-19 18:55:17 +08:00

LZ能把代码放到Github上吗？

peterxu

2015-08-05 17:35:00 +08:00

mark