也许是很少接触python的原因，我觉得是Scrapy框架和以往Java框架很不一样：它真的是个框架。
从表层来看，与Java框架引入jar包、配置xml或.property文件不同，Scrapy的模式是先用Scrapy建立项目，然后对项目中部分文件进行编辑，从而达到爬取相应网页的目的。
控制台->进入目标目录->输入下面指令来建立Scrapy项目：
scrapy startproject projName
如此，我们建立了一个空的Scrapy项目。其目录如下：
projName/
scrapy.cfg
projName/
init.py
items.py
pipelines.py
settings.py
spiders/
init.py
…
之后我们需要做的，就是编辑其中的部分文件。其中，items.py文件如下：
importscrapyclassDmozItem(scrapy.Item):
title=scrapy.Field()
link=scrapy.Field()
desc= scrapy.Field()
projName/spiders.py如下：
importscrapyclassMySpider(scrapy.Spider):
name= “dmoz”allowed_domains= [“dmoz.org”]
start_urls=[“http://www.dmoz.org/Computers/Programming/Languages/Python/Books/”,”http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/”]defparse(self, response):
filename= response.url.split(“/”)[-2] + ‘.html’with open(filename,’wb’) as f:
f.write(response.body)
dmoz是官方文档的示例中爬取的网站。
之后，在控制台，进入projName目录，运行
scrapy crawl dmoz
爬取对应的页面。
Original: https://blog.csdn.net/weixin_36302350/article/details/113984648
Author: 某bit
Title: python爬虫框架入门_Python爬虫Scrapy框架入门（1）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/792837/
转载文章受原作者版权保护。转载请注明原作者出处！