scrapy框架使用-crawlspider类

###

 

实际上，在一个列表页，上面详情页的地址，还有翻页的地址都是能获取到的，

我们是不是可以单独写一个函数，单独提取详情页的url，单独提取翻页的url？

 crawlspider就是做的这个事情，

####

 

###

 

 这就是创建好的爬虫，

首先继承的父类就是不一样的，

 

多了一个rules，这个就是定义规则的地方，

第一个参数就是正则表达式，

第二个callback 不是一定要的，可以没有这个参数，因为提取出的url，不需要处理

第三个参数，在提取url的下一个页面是否需要再次按照前面的规则继续提取，

 

parse函数不见了，这个地方不能定义parse函数，这个函数有特殊的用处，

####

案例：

 

###

第一个rule，是抓取详情页的标题和发布时间，所以需要callback，但是不需要在详情页继续抓取了，所以不需要fallow，

第二个rule，是为了抓取翻页，因为不需要处理，所以不需要callback，但是需要继续在第二页提取页码，所以需要fallow

####

代码很简单，但是思考会比较多，

 

 

这个crawlspider，也是可以主动构造请求的，

### 

 

 

 

 

 

 

 这个提取出的url地址，并不是完整的，但是crawlspider，自动帮我们补全了，

 

 

####

 

 

####

标签：提取,框架,url,crawlspider,####,scrapy,详情页,###
来源： https://www.cnblogs.com/andy0816/p/15058985.html