scrapy基本知识

创建scrapy

scrapy startproject first

scrapy结构

   firstl/   #新建的工程
        scrapy.cfg      #项目的主配置信息。（真正爬虫相关的配置信息在settings.py文件中）
        first/                   #该项目的python模块。之后您将在此加入代码。
            __init__.py
            items.py     #项目中的item文件.设置数据存储模板，用于结构化数据，如：Django的Model
            pipelines.py     #项目中的pipelines文件.数据持久化处理
            settings.py     #项目的设置文件. 如：递归的层数、并发数，延迟下载等
         	spiders/       #放置spider代码的目录.爬虫目录，如：创建文件，编写爬虫解析规则
          		 __init__.py
                ...

进入frist

scrapy genspider qiubai www.qiubai.com

生成文件

import scrapy

class QiubaiSpider(scrapy.Spider):   
    name = 'qiubai'                   
    allowed_domains = ['www.qiushibaike.com']
    start_urls = ['http://www.qiushibaike.com/']

    def parse(self, response):
        pass

运行爬虫代码

scrapy crawl qiubai

将True 改为False   ROBOTSTXT_OBEY = False

19行配置UA