介紹一款能取代 Scrapy 的爬蟲框架 - feapder

語言: CN / TW / HK

1. 前言

大家好,我是安果!

眾所周知,Python 最流行的爬蟲框架是 Scrapy,它主要用於爬取網站結構性資料

今天推薦一款更加簡單、輕量級,且功能強大的爬蟲框架:feapder

專案地址:

​https://github.com/Boris-code/feapder

2. 介紹及安裝

和 Scrapy 類似,feapder 支援輕量級爬蟲、分散式爬蟲、批次爬蟲、爬蟲報警機制等功能

內建的 3 種爬蟲如下:

  • AirSpider

    輕量級爬蟲,適合簡單場景、資料量少的爬蟲

  • Spider

    分散式爬蟲,基於 Redis,適用於海量資料,並且支援斷點續爬、自動資料入庫等功能

  • BatchSpider

    分散式批次爬蟲,主要用於需要週期性採集的爬蟲

在實戰之前,我們在虛擬環境下安裝對應的依賴庫

```

安裝依賴庫

pip3 install feapder ```

3. 實戰一下

我們以最簡單的 AirSpider 來爬取一些簡單的資料

目標網站:aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

詳細實現步驟如下( 5 步)

3-1  建立爬蟲專案

首先,我們使用「 feapder create -p 」命令建立一個爬蟲專案

```

建立一個爬蟲專案

feapder create -p tophub_demo ```

3-2  建立爬蟲 AirSpider

命令列進入到 spiders 資料夾目錄下,使用「 feapder create -s 」命令建立一個爬蟲

``` cd spiders

建立一個輕量級爬蟲

feapder create -s tophub_spider 1 ```

其中

  • 1 為預設,表示建立一個輕量級爬蟲 AirSpider

  • 2 代表建立一個分散式爬蟲 Spider

  • 3 代表建立一個分散式批次爬蟲 BatchSpider

3-3  配置資料庫、建立資料表、建立對映 Item

以 Mysql 為例,首先我們在資料庫中建立一張資料表

```

建立一張資料表

create table topic(    id         int auto_increment        primary key,    title      varchar(100)  null comment '文章標題',    auth       varchar(20)   null comment '作者',    like_count     int default 0 null comment '喜歡數',    collection int default 0 null comment '收藏數',    comment    int default 0 null comment '評論數'); ```

然後,開啟專案根目錄下的 settings.py 檔案,配置資料庫連線資訊

```

settings.py

MYSQL_IP = "localhost" MYSQL_PORT = 3306 MYSQL_DB = "xag" MYSQL_USER_NAME = "root" MYSQL_USER_PASS = "root" ```

最後,建立對映 Item( 可選 )

進入到 items 資料夾,使用「 feapder create -i 」命令建立一個檔案對映到資料庫

PS:由於 AirSpider 不支援資料自動入庫,所以這步不是必須

3-4  編寫爬蟲及資料解析

第一步,首先使「 MysqlDB 」初始化資料庫

``` from feapder.db.mysqldb import MysqlDB

class TophubSpider(feapder.AirSpider):

def __init__(self, *args, **kwargs):
    super().__init__(*args, **kwargs)
    self.db = MysqlDB()

```

第二步,在 start_requests 方法中,指定爬取主連結地址,使用關鍵字「download_midware 」配置隨機 UA

``` import feapder from fake_useragent import UserAgent

def start_requests(self): yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)

def download_midware(self, request): # 隨機UA # 依賴:pip3 install fake_useragent ua = UserAgent().random request.headers = {'User-Agent': ua} return request ```

第三步,爬取首頁標題、連結地址

使用 feapder 內建方法 xpath 去解析資料即可

``` def parse(self, request, response): # print(response.text) card_elements = response.xpath('//div[@class="cc-cd"]')

# 過濾出對應的卡片元素【什麼值得買】
buy_good_element = [card_element for card_element in card_elements if
                    card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什麼值得買'][0]

# 獲取內部文章標題及地址
a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')

for a_element in a_elements:
    # 標題和連結
    title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
    href = a_element.xpath('.//@href').extract_first()

    # 再次下發新任務,並帶上文章標題
    yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
                          title=title)

```

第四步,爬取詳情頁面資料

上一步下發新的任務,通過關鍵字「 callback 」指定回撥函式,最後在 parser_detail_page 中對詳情頁面進行資料解析

``` def parser_detail_page(self, request, response): """ 解析文章詳情資料 :param request: :param response: :return: """ title = request.title

url = request.url

# 解析文章詳情頁面,獲取點贊、收藏、評論數目及作者名稱
author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()

print("作者:", author, '文章標題:', title, "地址:", url)

desc_elements = response.xpath('//span[@class="xilie"]/span')

print("desc數目:", len(desc_elements))

# 點贊
like_count = int(re.findall('\d+', desc_elements[1].xpath('./text()').extract_first())[0])
# 收藏
collection_count = int(re.findall('\d+', desc_elements[2].xpath('./text()').extract_first())[0])
# 評論
comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])

print("點贊:", like_count, "收藏:", collection_count, "評論:", comment_count)

```

3-5  資料入庫

使用上面例項化的資料庫物件執行 SQL,將資料插入到資料庫中即可

```

插入資料庫

sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % ( title, author, like_count, collection_count, comment_count)

執行

self.db.execute(sql) ```

4. 最後

本篇文章通過一個簡單的例項,聊到了 feapder 中最簡單的爬蟲 AirSpider

關於 feapder 高階功能的使用,後面我將會通過一系列例項進行詳細說明

我已經將文中所有程式碼上傳到公眾號後臺,後臺回覆關鍵字「 airspider 」獲取完整原始碼

如果你覺得文章還不錯,請大家 點贊、分享、留言 下,因為這將是我持續輸出更多優質文章的最強動力!