Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

https://github.com/BEPb/web_crawler

fast and symple web crawler
https://github.com/BEPb/web_crawler

Last synced: 3 days ago
JSON representation

fast and symple web crawler

Lists

README 

        
![Profile views](https://gpvc.arturio.dev/BEPb) 

![GitHub top language](https://img.shields.io/github/languages/top/BEPb/web_crawler) 

![GitHub language count](https://img.shields.io/github/languages/count/BEPb/web_crawler)

![GitHub code size in bytes](https://img.shields.io/github/languages/code-size/BEPb/web_crawler)

![GitHub repo size](https://img.shields.io/github/repo-size/BEPb/web_crawler) 

![GitHub](https://img.shields.io/github/license/BEPb/web_crawler) 

![GitHub last commit](https://img.shields.io/github/last-commit/BEPb/web_crawler)

![GitHub User's stars](https://img.shields.io/github/stars/BEPb?style=social)



visitors




![](./example/i_l_p.png)



Read this in other languages: [Russian](README.ru.md), [हिन्दी](README.hindi.md), [English](README.md)






Bot logo



# 快速簡單的爬蟲




## 這個怎麼運作？

這很簡單：您的機器人大量訂閱您的帳戶作為回應，人們訂閱您。

# 準備和使用機器人的順序

. 克隆存儲庫或從 github 下載存檔或在命令行上使用以下命令

   ```commandline

   $ cmd

   $ git clone https://github.com/BEPb/github_bot

   $ cd github_bot

   ```

2. 創建 Python 虛擬環境。

3. 使用以下命令為我們的代碼安裝所有必要的包：



```commandline

        pip install -r requirements.txt

```



4.創建一個名為nameproject的項目

```commandline

scrapy startproject nameproject

```



5. 之後，您將擁有一個帶有該項目名稱的文件夾，其中包含最少的必要文件和依賴項

```commandline



    scrapy.cfg    # deploy 配置文件

    nameproject/  # 項目的 Python 模塊，你將從這裡導入你的代碼

        __init__.py

        items.py        # 項目項目定義文件

        middlewares.py  # 項目中間件文件

        pipelines.py    # 項目管道文件

        settings.py     # 項目設置文件

        spiders/        # 稍後放置蜘蛛的目錄

            __init__.py

```

6.進入我們的項目文件夾

```commandline

cd nameproject

```



7. 在 spiders/ 文件夾中創建一個quotes_spider.py 文件，並在其中寫下我們作弊的人和方式

8. 啟動我們的爬蟲

```commandline

scrapy crawl quotes

```

9. 作為執行的結果，創建了兩個新文件：quotes-1.html 和quotes-2.html，內容為

  對應的 URL，正如我們的 parse 方法所指定的。

10. 使用外殼選擇器

```commandline

scrapy shell 'https://quotes.toscrape.com/page/1/'

```

11.使用css查看所有'title'對象。執行 response.css('title') 的結果類似於

  名為 SelectorList 的列表對象，它是包裝的 Selector 對象的列表

  XML/HTML 元素，並允許您執行其他查詢以優化選擇或檢索數據。

```commandline

response.css('title')

```

12.為了查看列表，指定getall()方法

```commandline

response.css('title::text').getall()

```

13.同樣可以用xpath做

```命令行

response.xpath('//title/text()').get()

```

14. 現在使用帶有類引號的 div 標籤

```命令行

response.css("div.quote")

```



15. 只取列表中的第一個元素

```命令行

response.css("div.quote")[0]

```



16.為了獲取標籤中的類，使用以下命令：

```命令行

quote.css("span.text::text").get()

quote.css("small.author::text").get()

```

17. 這就是我們將如何顯示 div 標籤的類的完整列表

```命令行

response.css("div.quote").css("div.tags a.tag::text").getall()

```

18. 這就是我們將結果保存為 json 格式的方式，其中 `-O` 命令行開關會覆蓋任何現有的

  文件;

```commandline

scrapy crawl quotes -O quotes.json

```

19. 這就是我們將結果保存為 csv 格式的方式

```commandline

scrapy crawl quotes -O quotes.csv

```

20.以下命令使用.jl格式逐行寫入

```commandline

scrapy crawl quotes -o quotes.jl

```



Bot logo