scrapy框架之递归解析和post请求！Python学习教程
发布时间：2025-11-05 11:08:46 来源：码上建站 作者：人工智能
1.递归爬取解析多页页面数据
需求：将糗事百科所有页码的框架作者和段子内容数据进行爬取切持久化存储
需求分析：每一个页面对应一个url，则scrapy工程需要对每一个页码对应的归解url依次发起请求，然后通过对应的析和学习解析方法进行作者和段子内容的解析。
实现方案：
1.将每一个页码对应的请求url存放到爬虫文件的起始url列表(start_urls)中。(不推荐)
2.使用Request方法手动发起请求。教程(推荐)
代码展示：
# -*- coding: utf-8 -*- import scrapy from qiushibaike.items import QiushibaikeItem # scrapy.http import Request class QiushiSpider(scrapy.Spider): name = qiushi allowed_domains = [www.qiushibaike.com] start_urls = [https://www.qiushibaike.com/text/] #爬取多页 pageNum = 1 #起始页码 url = https://www.qiushibaike.com/text/page/%s/ #每页的框架url def parse(self, response): div_list=response.xpath(//*[@id="content-left"]/div) for div in div_list: #//*[@id="qiushi_tag_120996995"]/div[1]/a[2]/h2 author=div.xpath(.//div[@class="author clearfix"]//h2/text()).extract_first() author=author.strip(\n) content=div.xpath(.//div[@class="content"]/span/text()).extract_first() content=content.strip(\n) item=QiushibaikeItem() item[author]=author item[content]=content yield item #提交item到管道进行持久化 #爬取所有页码数据 if self.pageNum <= 13: #一共爬取13页（共13页） self.pageNum += 1 url = format(self.url % self.pageNum) #递归爬取数据：callback参数的值为回调函数（将url请求后，得到的归解相应数据继续进行parse解析），递归调用parse函数 yield scrapy.Request(url=url,析和学习callback=self.parse)2.五大核心组件工作流程：
引擎(Scrapy)
用来处理整个系统的数据流处理, 触发事务(框架核心)
调度器(Scheduler)
用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL(抓取网页的网址或者说是链接)的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的源码下载网址
下载器(Downloader)
用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)
爬虫(Spiders)
爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,请求让Scrapy继续抓取下一个页面
项目管道(Pipeline)
负责处理爬虫从网页中抽取的实体，主要的教程功能是持久化实体、验证实体的框架有效性、清除不需要的归解信息。当页面被爬虫解析后，析和学习将被发送到项目管道，请求并经过几个特定的教程次序处理数据。
3.post请求发送
问题：在之前代码中，我们从来没有手动的云南idc服务商对start_urls列表中存储的起始url进行过请求的发送，但是起始url的确是进行了请求的发送，那这是如何实现的呢?
解答：其实是因为爬虫文件中的爬虫类继承到了Spider父类中的start_requests(self)这个方法，该方法就可以对start_urls列表中的url发起请求：
def start_requests(self): for u in self.start_urls: yield scrapy.Request(url=u,callback=self.parse)【注意】该方法默认的实现，是对起始的url发起get请求，如果想发起post请求，则需要子类重写该方法。
方法： 重写start_requests方法，让其发起post请求：
def start_requests(self): #请求的云服务器提供商url post_url = http://fanyi.baidu.com/sug # post请求参数 formdata = { kw: wolf, } # 发送post请求 yield scrapy.FormRequest(url=post_url, formdata=formdata, callback=self.parse)- 如何更改台式电脑密码（详细教程带你轻松更改密码）
- 以闹特5待机怎么样（以闹特5待机表现如何）
- AMDRyzen5960T开核性能解析（一颗CPU，多种潜力释放）
- ThinkPadS5黑将如何超越竞争对手？（颠覆性革新与卓越性能的完美结合）
- 黑色iPadPro12.9（探索黑科技的极致表现，黑色iPadPro12.9给你前所未有的体验）
- 以iPod为前端的HD25音频体验（借助iPod让HD25焕发新生）
- 华硕B75M-PLUS主板性能全面解析（华硕B75M-PLUS主板性能评测及优势分析）
- 微星B350PCMate评测（性能稳定，性价比高，适合中高端用户）
- CoteCiel（探索CoteCiel设计的奥秘，感受时尚与实用的完美融合）
- 小米5自带内存升级系统的优劣分析（解析小米5自带内存升级系统的性能和功能，为用户提供全面评估。）
- 不锈钢肥皂（科技与健康的完美结合，让你告别细菌困扰）
- 在少林寺景区做生意的机会与挑战（发掘商机，挑战自我，少林寺景区经商全攻略）
- imooget如何赢得用户的青睐？（以创新科技和优质服务，imooget开辟全新智能生活方式）
- 手机海思CPU的性能和特点（探索海思CPU的强大性能和先进技术）
- 这段时间使用公司服务器时候发现Linux上竟然没有中文输入法，经过一番折腾后，终于把这个问题解决，将过程记录如下： 1.首先安装ibus框架，打开终端，输入如下命令 sudo add-apt-repository ppa:shawn-p-huang/ppa sudo apt-get update sudo apt-get install ibus-gtk ibus-qt4 ibus-pinyin ibus-pinyin-db-open-phrase 2.然后进入SystemSettings-->LanguageSupport，假如它提示要自动更新，我们就自动更新，然后在最下面将(keyboard input method system)选为ibus，貌似因为环境下ibus默认是不启动的 3.这个时候我们发现任务栏还是没有输入法，不要紧我们接着进入屏幕左上角的DashHome,在搜索中输入ibus，点击回车，这个时候上方的任务栏已经有小键盘图标了，右键点击它的Preference功能设置，接着点击Input Method ，在下拉框中可以找到你的输入法，这里我使用的是Google 拼音 至此，已解决中文输入法的问题。
- 松下糖果耳机（颠覆你的听觉体验，让音乐更时尚）
- 探索漫步者H800耳机的品质和性能（一款引领音乐体验的高端耳机）
- 家庭托地机的革新与应用（提高效率、节省成本的家庭托地机）
- 晶硅暖气的优势和适用性分析（绿色环保、高效节能的晶硅暖气系统正成为新的室内取暖选择）
- 探索KKTvLED49K70T（发现无尽乐趣与无与伦比的视觉体验）
随便看看
- Copyright © 2025 Powered by scrapy框架之递归解析和post请求！Python学习教程,码上建站 滇ICP备2023006006号-47sitemap