Python爬虫——scrapy_多网页下载
- 在DangSpider类中设置一个基础url
base_url = 'http://category.dangdang.com/pg'
page = 1
- 在parse方法中
# 每一页的爬取逻辑都是一样的，所以只需要执行每一页的请求再次调用parse方法就可以了if self.page < 100:self.page += 1url = self.base_url + str(self.page) + '-cp01.01.07.00.00.00.html'# 调用parse方法# scrapy.Request就是scrapy的get请求# url就是请求地址 callback就是要执行的那个函数 注意不要加()yield scrapy.Request(url=url, callback=self.parse)
完整的dang.py
import scrapy
from ..items import ScrapyDangdang39Itemclass DangSpider(scrapy.Spider):name = "dang"allowed_domains = ["category.dangdang.com"]start_urls = ["http://category.dangdang.com/cp01.01.07.00.00.00.html"]base_url = 'http://category.dangdang.com/pg'page = 1def parse(self, response):# 所有的seletor的对象，都可以再次调用xpath方法li_list = response.xpath('//div[@id="search_nature_rg"]//li')for li in li_list:# 获取图片src = li.xpath('.//img/@data-original').extract_first()# 第一张图片和其他图片的标签的属性不一样# 第一张图片的src是可以使用的，其他图片的地址在data-original里if src:src = srcelse:src = li.xpath('.//img/@src').extract_first()# 获取名字name = li.xpath('.//img/@alt').extract_first()# 获取价格price = li.xpath('.//p[@class="price"]/span[1]/text()').extract_first()book = ScrapyDangdang39Item(src=src, name=name, price=price)# 获取一个book就将book传递给pipelinesyield book# 每一页的爬取逻辑都是一样的，所以只需要执行每一页的请求再次调用parse方法就可以了if self.page < 100:self.page += 1url = self.base_url + str(self.page) + '-cp01.01.07.00.00.00.html'# 调用parse方法# scrapy.Request就是scrapy的get请求# url就是请求地址 callback就是要执行的那个函数 注意不要加()yield scrapy.Request(url=url, callback=self.parse)