摘要：一基础环境由于不是职业的开发者，因此环境是基于的。二安装打开命令行工具创建虚拟环境，默认情况下会创建目录，所有的虚拟环境都会产生一个子目录保存在此，里面包含基本程序文件以及库文件。
目录
基于 Python 的 Scrapy 爬虫入门：环境搭建
基于 Python 的 Scrapy 爬虫入门：页面提取
基于 Python 的 Scrapy 爬虫入门：图片处理
作为一个全栈工程师（:-) HoHo），前端后台都懂点是必须的，但是Python 很菜，Scrapy 更菜，没错，这就是 Full Stack Developer 的特点，什么都懂点，什么都不精，我们的特点就是上手快，忘得也很快，不过配合强大的搜索引擎，写些小东西出来是不成问题的！
言归正传，最近想用爬虫抓取一些内容来充实自己的博客，以前用过 phpspider，基本能满足要求，但是不够强大，所以选用 Scrapy，顺便回忆一下快忘光的 Python，谁让它这么火呢。
一、基础环境由于不是职业的Web开发者，因此环境是基于Windows的。
1. Python 安装到 python.org 下载最新版 Python 安装包，我使用的是3.6.3 32位版本，注意如果安装了64位版本，以后所使用的包也都需要64位(很大一部分包无32/64位区分，可以通用)。安装程序默认安装pip包管理工具，并设置了相关环境变量：添加 %Python% 及 %Python%Scripts 到 PATH 中（%Python%是你的安装目录），你运行的 Python 程序或脚本都在 Scripts 中，包都安装在 Libsite-packages 中。
2. 配置 pip 国内镜像源Python之所以强大正是因为各种功能齐全的开发包，由于众所周知的原因 pip下载模块速度很慢，因此为了保证pip下载顺利，建议替换成国内的安装源镜像：
创建文件 %HOMEPATH%pippip.ini，内容如下：
[global] trusted-host=mirrors.aliyun.com index-url=http://mirrors.aliyun.com/pypi/simple/
上面这个是清华大学的镜像，另外附上其他几个好用的，据说每30分钟同步官网
阿里云：http://mirrors.aliyun.com/pypi/simple/ 豆瓣网：http://pypi.doubanio.com/simple/ 科技大学：http://mirrors.ustc.edu.cn/pypi/web/simple/ 清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
如果不嫌麻烦的话也可以每次安装时指定：
pip -i http://pypi.douban.com/simple install Flask3. 换一个趁手的命令行
由于Python中经常要用到命令行工具，但Windows自带的cmd或PowerShell逼格太低，换个字体还得折腾大半天，因此有必要换一个好用的，推荐cmder mini版：https://github.com/cmderdev/c...，Python输出的调试信息可以根据颜色区分，不用像cmd那样找半天了。
基本上Python每个项目都会用到大量的模块，比如本文中的Scrapy爬虫，pip install scrapy后除了Scrapy本身外，还会下载数十个依赖包，如果经常用Python做各种开发，site-packages会越来越庞大，可能有些包只在一个项目中用到，或者删除包后依赖包并没有被删除，总之不太好管理，作为强迫症患者是决不能忍受的。
好在有一个工具 virtualenv 可以方便管理 Python 的环境，它可以创建一个隔离的Python虚拟开发环境，使用它你可以同时安装多个Python版本，方便同时多个项目的开发，每个项目之间的包安装与使用都是独立的，互不干扰，通过命令可以随时切换各个虚拟环境，如果不再使用，把整个虚拟环境删除即可同时删除其中所有的模块包，保持全局环境的干净。
为了便于使用，我选择安装virtualenvwrapper-win模块，它依赖于virtualenv，包含Windows下面易于使用的批处理脚本，其实只是调用了 virtualenv 功能而已：
pip install virtualenvwrapper-win
virtualenvwrapper 常用命令：
workon: 列出虚拟环境列表
lsvirtualenv: 同上
mkvirtualenv: 新建虚拟环境
workon [虚拟环境名称]: 切换虚拟环境
rmvirtualenv: 删除虚拟环境
deactivate: 离开虚拟环境
wheel 是python中的解包和打包工具，因此有必要安装到全局环境中，有些模块使用pip安装总是失败，可以尝试先下载whl文件，再使用wheel本地安装的方式安装。
pip install wheel
既然在Windows下开发，win32api也是必不可少的包，因此也装到全局环境中，下次新建虚拟项目环境用到时就不必每次再下载一次了。
当然，以上2，3，4其实都不是必须的，但是建好基本环境有利于以后的开发少兜圈子。
二、Scrapy 安装打开cmder命令行工具
创建Scrapy虚拟环境： mkvirtualenv Scrapy，默认情况下会创建%HOMEPATH%Envs目录，所有的虚拟环境都会产生一个子目录保存在此，里面包含Python基本程序文件以及pip,wheel,setuptools库文件。如果想修改Envs默认路径，在Windows中可添加一个 %WORKON_HOME% 环境变量指定新的目录。
切换到Scrapy环境：workon scrapy ，执行后在命令行提示符前面会多出 (Scrapy) 字符，表示当前处于Scrapy虚拟环境中，同时添加了当前环境中的相关路径在系统 %PATH% 搜索路径中。
安装Scrapy包：pip install scrapy，自己好几次都遇到Twisted模块安装失败的问题，貌似是编译失败，缺少Microsoft Visual C++ 14.0导致：
我没有按要求安装Microsoft Visual C++ 14.0编译工具进行编译安装，而是下载已打包的whl文件进行本地安装，此时wheel便派上了用场，到 https://www.lfd.uci.edu/~gohl... 下载twisted的whl文件（注意对应Python版本）
再使用 pip install Twisted‑17.9.0‑cp36‑cp36m‑win32.whl 来进行安装，本地安装twisted成功，由于之前被错误中断，建议再执行一次 pip install scrapy 防止有依赖包没有安装到。
注意：Windows平台需要额外安装 pypiwin32 模块，否则在Scrapy执行爬虫时会报错：
ModuleNotFoundError: No module named "win32api"
至此 Scrapy 环境搭建完成，所有的模块存放在 %HOMEPATH%EnvsScrapy 中，如果不再使用，只需要命令行执行 rmvirtualenv scrapy，整个目录都会被删除，所有依赖模块都会被清理干净。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/44465.html
摘要：目录基于的爬虫入门环境搭建基于的爬虫入门页面提取基于的爬虫入门图片处理下面创建一个爬虫项目，以图虫网为例抓取图片。 目录 基于 Python 的 Scrapy 爬虫入门：环境搭建 基于 Python 的 Scrapy 爬虫入门：页面提取 基于 Python 的 Scrapy 爬虫入门：图片处理 下面创建一个爬虫项目，以图虫网为例抓取图片。 一、内容分析 打开 图虫网，顶部菜单发现...
目录 基于 Python 的 Scrapy 爬虫入门：环境搭建 基于 Python 的 Scrapy 爬虫入门：页面提取 基于 Python 的 Scrapy 爬虫入门：图片处理 上篇文章中讲解了如何从网站页面抓取所需要的数据，很幸运范例中所需的数据是通过 Ajax 请求返回的 JSON 结构化数据，处理起来很简单，图片内容也只取了一个链接，对于我最初的目标把这些图集添加到自己的博客站点中这...
摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...
摘要：从刚开始接触到使用进行爬虫，经历了许多，不懂的各种百度，硬是从不会进步成入门了，抱怨的话不多说，进入正题。 从刚开始接触Python2.7到使用Scrapy1.3进行爬虫，经历了许多，不懂的各种百度，硬是从不会进步成入门了，抱怨的话不多说，进入正题。 写这篇文章的目的在于总结这段时间学习Scrapy的到的一些经验 环境搭建 showImg(https://segmentfault.co...
阅读 2045·2021-11-23 09:51
阅读 3675·2021-10-20 13:49
阅读 1684·2021-09-06 15:13
阅读 1796·2021-09-06 15:02
阅读 3053·2021-09-02 15:11
阅读 872·2019-08-29 15:37
阅读 1717·2019-08-29 13:24
阅读 2256·2019-08-29 11:28
