xpaw 0.12.0

Async web scraping framework

Key Features

• A web scraping framework used to crawl web pages

• Data extraction tools used to extract structured data from web pages

Spider Example

以下是我们的一个爬虫类示例，其作用为爬取 百度新闻 的热点要闻:

from xpaw import Spider, HttpRequest, Selector, run_spider


class BaiduNewsSpider(Spider):
    def start_requests(self):
        yield HttpRequest("http://news.baidu.com/", callback=self.parse)

    def parse(self, response):
        selector = Selector(response.text)
        hot = selector.css("div.hotnews a").text
        self.log("Hot News:")
        for i in range(len(hot)):
            self.log("%s: %s", i + 1, hot[i])


if __name__ == '__main__':
    run_spider(BaiduNewsSpider)

在爬虫类中我们定义了一些方法：

• start_requests: 返回爬虫初始请求。

• parse: 处理请求得到的页面，这里借助 Selector 及CSS Selector语法提取到了我们所需的数据。

Documentation

http://xpaw.readthedocs.io/