scrapy簡單學習4—西刺Ip的爬取

學習網站：麥子scrapy第九集

1.item.py的定義

import scrapy


class XiciItem(scrapy.Item):
    IP=scrapy.Field()
    PORT=scrapy.Field()
    POSITION=scrapy.Field()
    TYPE=scrapy.Field()
    SPEED=scrapy.Field()
    LAST_CHECK_TIME=scrapy.Field()

2.spider的編寫

# -*- coding: utf-8 -*-
import scrapy
from XiCi.items import XiciItem

class XiciSpider(scrapy.Spider):
    name = "xici"
    allowed_domains = ["xicidaili.com"]
    start_urls = (
        'http://www.xicidaili.com',
    )
    
    def start_requests(self):#做用：生成初始的request
        reqs=[]#定義resqs(空集)
        
        for i in range(1,206):#設置變量：頁碼1到206
            req=scrapy.Request("http://www.xicidaili.com/nn/%s"%i)
            reqs.append(req)#生成的request放到resqs中
        
        return reqs#返回reqs
    
    def parse(self, response):
        #提取每一行的xpath位置
        ip_list=response.xpath('//table[@id="ip_list"]')#ip_list=xpath提取（table標籤下的"ip_list"屬性）
        
        trs = ip_list[0].xpath('tr')#變量trs=ip_list加入tr標籤
        
        items=[]#定義items空集
        
        for ip in trs[1:]:#ip的tr從[1之後開始]
            pre_item=XiciItem()#pre_item=加載XiCiItem()
            
            pre_item['IP'] = ip.xpath('td[3]/text()')[0].extract()#取文字
            
            pre_item['PORT'] = ip.xpath('td[4]/text()')[0].extract()#取文字
            
            pre_item['POSITION'] = ip.xpath('string(td[5])')[0].extract().strip()
            
            pre_item['TYPE'] = ip.xpath('td[7]/text()')[0].extract()
            #speed取到td的title屬性，再用正則（匹配到數字）
            pre_item['SPEED'] = ip.xpath(
                'td[8]/div[@class="bar"]/@title').re('\d{0,2}\.\d{0,}')[0]
                
            pre_item['LAST_CHECK_TIME'] = ip.xpath('td[10]/text()')[0].extract()
            
            items.append(pre_item)#把pre_item添加到項目
            
        return items#返回項目

3.保存成csv

scrapy crawl xici -o xici.csv

4.結果輸出