|
马上注册,结交更多好友,享用更多功能^_^
您需要 登录 才可以下载或查看,没有账号?立即注册
x
本帖最后由 小强工作室 于 2018-10-19 09:37 编辑
spider的代码:
from scrapy.spiders import CrawlSpider
from beikewang.items import BeikewangItem
from scrapy.http import Request
from selenium import webdriver
import time
browser=webdriver.Chrome()
browser.maximize_window()
class beikewang(CrawlSpider):
name = "beikewang"#项目名称
start_urls=["http://bk.cooco.net.cn/tag-yinianjiyuwenshiti-2/"]#初始网址
def parse(self, response):
infos=response.xpath("//div[@class='fontsLeft']//li")#获取大标签
for info in infos:
urls=info.xpath(".//strong/a/@href").extract()[0]#获取2层网址
yield Request(urls,self.parse2)
def parse2(self,response):
item=BeikewangItem()#初始化
item["request_url"]=response.xpath("//div[@class='mbButton']/a[1]/@href").extract()[0]#获得三层网址
yield Request(item["request_url"],self.parse3)
def parse3(self,response):
browser.get(response.url)#模拟器获得url
browser.implicitly_wait(30)#延时等待
browser.find_element_by_xpath("//div[@class='downurl']//img").click()#点击下载按钮
time.sleep(5)
item代码:import scrapy
class BeikewangItem(scrapy.Item): request_url= scrapy.Field()
求助问题:我不想用selenium模块,想用scrapy本身自带的下载文件类“FilesPipeline”,该如何使用?(最好有管道文件的源码)
你的思路错了。
我观察了一下url的变化。
如下 - base_url = 'http://bk.cooco.net.cn/tag-yinianjiyuwenshiti-2/'
- utl_page = 'http://bk.cooco.net.cn/down-shiti-544714.html'
- download_page = 'http://bk.cooco.net.cn/d-shiti-544714.html'
- download_link = 'http://bk.cooco.net.cn/ddetail-shiti-544714.html'
复制代码
不难发现,你只需要在你给出的第一个链接中找到544714这些关键地方。
简单的字符串拼接就行了
采取selenium模块,循环get就行了。
不需要刻意用scrapy去爬取。
爬虫框架没有特殊需求不需要刻意去用。
|
|