tiny web crawler
Project description
Biu
A tiny web crawler framework
Features
- 请使用 Python3.10 或更高版本
- 并发基于 Gevent,因此你必须在脚本一开始
import biu
,或者自行 monkey patch - 请求基于 Requests,请求与请求结果的参数与 Requests 基本兼容
- 页面解析基于 Parsel, 因此使用方法与 Scrapy 一致
- 基本是一个缩水版的 Scrapy,用法与之非常类似
- 更多高级功能请面向源代码编程,自行发掘
Installation
pip install biu
Example
import biu ## Must be the first line, because of monkey-included.
class MySpider(biu.Project):
def start_requests(self):
for i in range(0, 301, 30):
# return 或者 yield 一个 biu.Request 就会去访问一个页面,参数与 requests 的那个基本上是兼容的
yield biu.Request(url="https://www.douban.com/group/explore/tech?start={}".format(i),
method="GET",
headers={"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"},
callback=self.parse)
def parse(self, resp):
## biu.Response 和 requests 的那个差不多,加了几个选择器上去
for item in resp.xpath('//*[@id="content"]/div/div[1]/div[1]/div'):
yield {
"title": item.xpath("div[2]/h3/a/text()").extract_first(),
"url": item.xpath("div[2]/h3/a/@href").extract_first(),
"abstract": item.css("p::text").extract_first()
}
# return 或者 yield 一个 dict, 就会当作结果传到result_handler里进行处理
def result_handler(self, rv):
print("get result:", rv)
# 在这把你的结果存了
biu.run(MySpider(concurrent=3, interval=0.2, max_retry=5))
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
biu-0.3.0.tar.gz
(40.8 kB
view hashes)
Built Distribution
biu-0.3.0-py3-none-any.whl
(5.1 kB
view hashes)