PySpider安装与使用(Windows系统下)

PySpider

Begin

安装pip install pyspider

在windows系统好像会出现如下问题

Command "python setup.py egg_info" failed with error code 10 in  

解决方法：

利用wheel安装

S1: pip install wheel
S2: 进入www.lfd.uci.edu/~gohlke/pythonlibs/，Ctrl + F查找pycurl


S3:
这个包名是pycurl-版本-你下载的python版本（如python3.4，就是cp34)-win32/64操作系统），选择你所需要的进行下载
S4: 安装编译包,命令行输入 pip install 你下载的whl文件的位置如（d:pycurl-7.43.1-cp34-cp34m-win_amd64.whl)
S5: 继续pip install pyspider

####Use

命令行输入pyspider all，启动pyspider(启动的时候可能一直卡在result_worker starting, 这个时候先等等, 然后再Ctrl + C关闭, 再次 pyspider all)

接着进入网站localhost:5000，出现如下页面

接着点击Create，输入项目名和你所要爬的网站

进入项目后左边是视图区，可以看很多东西；右边是代码编辑区

接着讲讲代码使用

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2018-01-13 10:23:04
# Project: test

from pyspider.libs.base_handler import *


class Handler(BaseHandler):
    crawl_config = {
    }

    @every(minutes=24 * 60)
    def on_start(self):
        self.crawl('https://scrapy.org/', callback=self.index_page)#这句代码的意思是爬取'https://scrapy.org/',进入之后回调，触发self.index_page函数，这个时候response就是获取到的页面

    @config(age=10 * 24 * 60 * 60)
    def index_page(self, response):
        for each in response.doc('a[href^="http"]').items():#这里的response.doc语法使用的是jQuery的语法,获取属性href前缀为http的a标签（这里使用的CSS选择器语法）
            self.crawl(each.attr.href, callback=self.detail_page)#接着爬取所有获取到的a标签链接，每访问一个，触发回调函数self.detail_page，这个时候的response就是访问的当前网站的html页面

    @config(priority=2)
    def detail_page(self, response):
        #这里返回一个对象
        return {
            "url": response.url,
            "title": response.doc('title').text(),
        }

相关资料：
https://segmentfault.com/a/1190000002477863 这里三篇教程都很好，可以以它为实例，
http://www.pyspider.cn/book/pyspider/pyspider-Quickstart-2.html 当然还有必不可少的官方文档！