scrapy简单学习4—西刺Ip的爬取

摘要：学习网站麦子第九集的定义的编写作用生成初始的定义空集设置变量页码到生成的放到中返回提取每一行的位置提取标签下的属性变量加入标签定义空集的从以后开始加载取文字取文字取到的属性，再用正则匹配到数字把添加到项目返回项目保存成结果输出

学习网站：麦子scrapy第九集

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()

# -*- 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):#作用：生成初始的request
        reqs=[]#定义resqs(空集)
        
        for i in range(1,206):#设置变量：页码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标签下的"ip_list"属性）
        
        trs = ip_list[0].xpath("tr")#变量trs=ip_list加入tr标签
        
        items=[]#定义items空集
        
        for ip in trs[1:]:#ip的tr从[1以后开始]
            pre_item=XiciItem()#pre_item=加载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属性，再用正则（匹配到数字）
            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添加到项目
            
        return items#返回项目

scrapy crawl xici -o xici.csv