上手简单,功能强大的Python爬虫框架——feapder

编辑: admin 分类: python 发布时间: 2021-12-24 来源:互联网
目录
  • 简介
  • 环境要求：
  • 安装
  • 小试一下
    • 创建爬虫
    • 将请求头转为json格式
      • 使用

简介

feapder 是一款上手简单，功能强大的Python爬虫框架，使用方式类似scrapy，方便由scrapy框架切换过来，框架内置3种爬虫：

  • AirSpider爬虫比较轻量，学习成本低。面对一些数据量较少，无需断点续爬，无需分布式采集的需求，可采用此爬虫。
  • Spider是一款基于redis的分布式爬虫，适用于海量数据采集，支持断点续爬、爬虫报警、数据自动入库等功能
  • BatchSpider是一款分布式批次爬虫，对于需要周期性采集的数据，优先考虑使用本爬虫。

feapder除了支持断点续爬、数据防丢、监控报警外，还支持浏览器渲染下载，自定义入库pipeline，方便对接其他数据库（默认数据库为Mysql，数据可自动入库，无需编写pipeline）

读音: [ˈfiːpdə]

  • 官方文档：http://feapder.com
  • 国内文档：https://boris-code.gitee.io/feapder
  • github：https://github.com/Boris-code/feapder
  • 更新日志：https://github.com/Boris-code/feapder/releases

环境要求：

  • Python 3.6.0+
  • Works on Linux, Windows, macOS

安装

From PyPi:

通用版

pip3 install feapder

完整版：

pip3 install feapder[all]

通用版与完整版区别：

完整版支持基于内存去重

完整版可能会安装出错，若安装出错，请参考安装问题

小试一下

创建爬虫

feapder create -s first_spider

创建后的爬虫代码如下：

import feapder


class FirstSpider(feapder.AirSpider):
    def start_requests(self):
        yield feapder.Request("https://www.baidu.com")

    def parse(self, request, response):
        print(response)


if __name__ == "__main__":
    FirstSpider().start()

直接运行，打印如下：

Thread-2|2021-02-09 14:55:11,373|request.py|get_response|line:283|DEBUG|
                -------------- FirstSpider.parse request for ----------------
                url  = https://www.baidu.com
                method = GET
                body = {'timeout': 22, 'stream': True, 'verify': False, 'headers': {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36'}}

<Response [200]>
Thread-2|2021-02-09 14:55:11,610|parser_control.py|run|line:415|DEBUG| parser 等待任务 ...
FirstSpider|2021-02-09 14:55:14,620|air_spider.py|run|line:80|INFO| 无任务，爬虫结束

代码解释如下：

  • start_requests： 生产任务
  • parse： 解析数据

将请求头转为json格式

爬虫采集中，我们经常需要携带网站的header等参数，比如：我们在浏览器检查工具看到某请求头为：

Accept-Encoding: gzip, deflate, br
Accept-Language: zh-CN,zh;q=0.9,en;q=0.8
Cache-Control: max-age=0
Connection: keep-alive
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36

如果我们想在发请求时携带这个header，那么需要手动将其转为json格式。

使用

输入命令，回车

> feapder create -j
请输入需要转换的内容：（xxx:xxx格式，支持多行）

输出如下：

另外，feapder还支持创建有序字典，方便对比参数前后的变化

命令为：

feapder create -sj

以上就是上手简单,功能强大的Python爬虫框架——feapder的详细内容，更多关于Python 爬虫框架feapder的资料请关注hwidc其它相关文章！

更多阅读