本文内容来自 张涛的《从零开始学Scrapy网络爬虫》
(相关资料图)
1.创建项目
首先创建一个项目,项目名为QQMusicscrapy startproject QQMusic
2.使用Item封装数据
打开项目QQMusic中的items.py源文件。添加榜单歌曲字段,实现代码如下:
import scrapyclass QqmusicItem(scrapy.Item): song_name = scrapy.Field() # 歌曲 album_name = scrapy.Field() # 唱片 singer_name = scrapy.Field() # 歌手 interval = scrapy.Field() #时长
3.创建Spider文件及Spider类
在Spider文件中新建music.py文件。在music.py中定义MusicSpider类,实现爬虫功能,代码如下:
# -*- coding:utf-8-*-from scrapy import Requestimport syssys.path.append("D:\\pythonProject\\scrapy\\QQMusic")from scrapy.spiders import Spider # 导入Spider类from QQMusic.items import QqmusicItem # 导入Item类import json # 导入JSON库class MusicSpider(Spider): name = "music" #定义headers属性,设置用户代理(浏览器类型) headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"} def start_requests(self): # 获取初始请求 url = "https://c.y.qq.com/v8/fcg-bin/fcg_v8_toplist_cp.fcg?&topid=4" # 生成请求对象 yield Request(url,headers=self.headers) def parse(self, response): # 数据解析 item = QqmusicItem() # 生成QqmusicItem对象 # 获取json格式的数据 json_text = response.text #使用json.loads解码json数据,返回Python数据类型 # 这里的music_dict是一个字典类型 music_dict = json.loads(json_text) # for循环遍历每首歌曲 for one_music in music_dict["songlist"]: # 获取歌曲 item["song_name"] = one_music["data"]["songname"] # 获取唱片 item["album_name"] = one_music["data"]["albumname"] # 获取歌手 item["singer_name"] = one_music["data"]["singer"][0]["name"] # 获取时长 item["interval"] = one_music["data"]["interval"] yield item
首先要导入JSON库,用于解析JSON格式数据。在start_request()方法中,url为访问服务器中fcg_v8_toplist_cp.fcg文件的地址。原文中查找改url是通过如下方法: 而我自己打开时没有找到fcg_v8_toplist_cp.fcg文件,不知道是哪里出了问题在parse()方法中,首先生成QqmusicItem对象,用于保存结构化数据;然后使用JSON库中的load()方法解码获取到的JSON格式数据,返回Python的数据类型(这里是字典型);最后使用for循环遍历每首歌曲,将其保存在Item中。
4.运行爬虫
至此,本项目所有的功能全部实现,运行爬虫程序。
scrapy crawl music -o music.csv
5.查看结果