[[400143]]

 1. 前言

大家好，我是安果！

眾所周知，Python 最流行的爬蟲(chóng)框架是 Scrapy，它主要用于爬取網(wǎng)站結(jié)構(gòu)性數(shù)據(jù)

今天推薦一款更加簡(jiǎn)單、輕量級(jí)，且功能強(qiáng)大的爬蟲(chóng)框架：feapder

項(xiàng)目地址：

https://github.com/Boris-code/feapder

2. 介紹及安裝

和 Scrapy 類(lèi)似，feapder 支持輕量級(jí)爬蟲(chóng)、分布式爬蟲(chóng)、批次爬蟲(chóng)、爬蟲(chóng)報(bào)警機(jī)制等功能

內(nèi)置的 3 種爬蟲(chóng)如下：

•  AirSpider

    輕量級(jí)爬蟲(chóng)，適合簡(jiǎn)單場(chǎng)景、數(shù)據(jù)量少的爬蟲(chóng)

•  Spider

    分布式爬蟲(chóng)，基于 Redis，適用于海量數(shù)據(jù)，并且支持?jǐn)帱c(diǎn)續(xù)爬、自動(dòng)數(shù)據(jù)入庫(kù)等功能

•  BatchSpider

    分布式批次爬蟲(chóng)，主要用于需要周期性采集的爬蟲(chóng)

在實(shí)戰(zhàn)之前，我們?cè)谔摂M環(huán)境下安裝對(duì)應(yīng)的依賴庫(kù) 

# 安裝依賴庫(kù)  
pip3 install feapder 

3. 實(shí)戰(zhàn)一下

我們以最簡(jiǎn)單的 AirSpider 來(lái)爬取一些簡(jiǎn)單的數(shù)據(jù)

目標(biāo)網(wǎng)站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

詳細(xì)實(shí)現(xiàn)步驟如下（ 5 步）

3-1  創(chuàng)建爬蟲(chóng)項(xiàng)目

首先，我們使用「 feapder create -p 」命令創(chuàng)建一個(gè)爬蟲(chóng)項(xiàng)目 

# 創(chuàng)建一個(gè)爬蟲(chóng)項(xiàng)目  
feapder create -p tophub_demo 

3-2  創(chuàng)建爬蟲(chóng) AirSpider

命令行進(jìn)入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創(chuàng)建一個(gè)爬蟲(chóng) 

cd spiders  
# 創(chuàng)建一個(gè)輕量級(jí)爬蟲(chóng)  
feapder create -s tophub_spider 1 

其中

•  1 為默認(rèn)，表示創(chuàng)建一個(gè)輕量級(jí)爬蟲(chóng) AirSpider
•  2 代表創(chuàng)建一個(gè)分布式爬蟲(chóng) Spider
•  3 代表創(chuàng)建一個(gè)分布式批次爬蟲(chóng) BatchSpider

3-3  配置數(shù)據(jù)庫(kù)、創(chuàng)建數(shù)據(jù)表、創(chuàng)建映射 Item

以 Mysql 為例，首先我們?cè)跀?shù)據(jù)庫(kù)中創(chuàng)建一張數(shù)據(jù)表 

# 創(chuàng)建一張數(shù)據(jù)表  
create table topic  
(  
    id         int auto_increment  
        primary key,  
    title      varchar(100)  null comment '文章標(biāo)題',  
    auth       varchar(20)   null comment '作者',  
    like_count     int default 0 null comment '喜歡數(shù)',  
    collection int default 0 null comment '收藏?cái)?shù)',  
    comment    int default 0 null comment '評(píng)論數(shù)'  
); 

然后，打開(kāi)項(xiàng)目根目錄下的 settings.py 文件，配置數(shù)據(jù)庫(kù)連接信息 

# settings.py  
MYSQL_IP = "localhost"  
MYSQL_PORT = 3306  
MYSQL_DB = "xag"  
MYSQL_USER_NAME = "root"  
MYSQL_USER_PASS = "root" 

最后，創(chuàng)建映射 Item（ 可選 ）

進(jìn)入到 items 文件夾，使用「 feapder create -i 」命令創(chuàng)建一個(gè)文件映射到數(shù)據(jù)庫(kù)

PS：由于 AirSpider 不支持?jǐn)?shù)據(jù)自動(dòng)入庫(kù)，所以這步不是必須

3-4  編寫(xiě)爬蟲(chóng)及數(shù)據(jù)解析

第一步，首先使「 MysqlDB 」初始化數(shù)據(jù)庫(kù) 

from feapder.db.mysqldb import MysqlDB  
class TophubSpider(feapder.AirSpider):  
    def __init__(self, *args, **kwargs):  
        super().__init__(*args, **kwargs)  
        self.db = MysqlDB() 

第二步，在 start_requests 方法中，指定爬取主鏈接地址，使用關(guān)鍵字「download_midware 」配置隨機(jī) UA 

import feapder  
from fake_useragent import UserAgent  
def start_requests(self):  
    yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)  
def download_midware(self, request):  
    # 隨機(jī)UA  
    # 依賴：pip3 install fake_useragent  
    ua = UserAgent().random  
    request.headers = {'User-Agent': ua}  
    return request 

第三步，爬取首頁(yè)標(biāo)題、鏈接地址

使用 feapder 內(nèi)置方法 xpath 去解析數(shù)據(jù)即可 

def parse(self, request, response):  
    # print(response.text)  
    card_elements = response.xpath('//div[@class="cc-cd"]')  
    # 過(guò)濾出對(duì)應(yīng)的卡片元素【什么值得買(mǎi)】  
    buy_good_element = [card_element for card_element in card_elements if  
                        card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得買(mǎi)'][0]  
    # 獲取內(nèi)部文章標(biāo)題及地址  
    a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')  
    for a_element in a_elements:  
        # 標(biāo)題和鏈接  
        title = a_element.xpath('.//span[@class="t"]/text()').extract_first()  
        href = a_element.xpath('.//@href').extract_first()  
        # 再次下發(fā)新任務(wù)，并帶上文章標(biāo)題  
        yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,  
                              titletitle=title) 

第四步，爬取詳情頁(yè)面數(shù)據(jù)

上一步下發(fā)新的任務(wù)，通過(guò)關(guān)鍵字「 callback 」指定回調(diào)函數(shù)，最后在 parser_detail_page 中對(duì)詳情頁(yè)面進(jìn)行數(shù)據(jù)解析 

def parser_detail_page(self, request, response):  
    """  
    解析文章詳情數(shù)據(jù)  
    :param request:  
    :param response:  
    :return:  
    """  
    title = request.title  
    url = request.url  
    # 解析文章詳情頁(yè)面，獲取點(diǎn)贊、收藏、評(píng)論數(shù)目及作者名稱  
    author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()  
    print("作者：", author, '文章標(biāo)題:', title, "地址：", url)  
    desc_elements = response.xpath('//span[@class="xilie"]/span')  
    print("desc數(shù)目:", len(desc_elements))  
    # 點(diǎn)贊  
    like_count = int(re.findall('\d+', desc_elements[1].xpath('./text()').extract_first())[0])  
    # 收藏 
    collection_count = int(re.findall('\d+', desc_elements[2].xpath('./text()').extract_first())[0])  
    # 評(píng)論  
    comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])  
    print("點(diǎn)贊：", like_count, "收藏:", collection_count, "評(píng)論:", comment_count) 

3-5  數(shù)據(jù)入庫(kù)

使用上面實(shí)例化的數(shù)據(jù)庫(kù)對(duì)象執(zhí)行 SQL，將數(shù)據(jù)插入到數(shù)據(jù)庫(kù)中即可 

# 插入數(shù)據(jù)庫(kù)  
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (  
title, author, like_count, collection_count, comment_count)  
# 執(zhí)行  
self.db.execute(sql) 

4. 最后

本篇文章通過(guò)一個(gè)簡(jiǎn)單的實(shí)例，聊到了 feapder 中最簡(jiǎn)單的爬蟲(chóng) AirSpider