从零开始学Scrapy网络爬虫（一）

本文内容来自 张涛的《从零开始学Scrapy网络爬虫》

(相关资料图)

1.创建项目

首先创建一个项目，项目名为QQMusicscrapy startproject QQMusic

2.使用Item封装数据

打开项目QQMusic中的items.py源文件。添加榜单歌曲字段，实现代码如下：

import scrapyclass QqmusicItem(scrapy.Item):    song_name = scrapy.Field() # 歌曲    album_name = scrapy.Field() # 唱片    singer_name = scrapy.Field() # 歌手    interval = scrapy.Field() #时长

3.创建Spider文件及Spider类

在Spider文件中新建music.py文件。在music.py中定义MusicSpider类，实现爬虫功能，代码如下：

# -*- coding:utf-8-*-from scrapy import Requestimport syssys.path.append("D:\\pythonProject\\scrapy\\QQMusic")from scrapy.spiders import Spider # 导入Spider类from QQMusic.items import QqmusicItem # 导入Item类import json # 导入JSON库class MusicSpider(Spider):    name = "music"    #定义headers属性，设置用户代理（浏览器类型）    headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}    def start_requests(self): # 获取初始请求        url = "https://c.y.qq.com/v8/fcg-bin/fcg_v8_toplist_cp.fcg?&topid=4"        # 生成请求对象        yield Request(url,headers=self.headers)    def parse(self, response): # 数据解析        item = QqmusicItem()        # 生成QqmusicItem对象        # 获取json格式的数据        json_text = response.text        #使用json.loads解码json数据，返回Python数据类型        # 这里的music_dict是一个字典类型        music_dict = json.loads(json_text)        # for循环遍历每首歌曲        for one_music in music_dict["songlist"]:            # 获取歌曲            item["song_name"] = one_music["data"]["songname"]            # 获取唱片            item["album_name"] = one_music["data"]["albumname"]            # 获取歌手            item["singer_name"] = one_music["data"]["singer"][0]["name"]            # 获取时长            item["interval"] = one_music["data"]["interval"]            yield item

首先要导入JSON库，用于解析JSON格式数据。在start_request()方法中，url为访问服务器中fcg_v8_toplist_cp.fcg文件的地址。原文中查找改url是通过如下方法： 而我自己打开时没有找到fcg_v8_toplist_cp.fcg文件，不知道是哪里出了问题在parse()方法中，首先生成QqmusicItem对象，用于保存结构化数据；然后使用JSON库中的load()方法解码获取到的JSON格式数据，返回Python的数据类型（这里是字典型）；最后使用for循环遍历每首歌曲，将其保存在Item中。

4.运行爬虫

至此，本项目所有的功能全部实现，运行爬虫程序。

scrapy crawl music -o music.csv

5.查看结果