手把手教你写爬虫第六弹--pyspider 框架入门之煎蛋无聊图

[jason52]

先给链接 ： http://haoqicat.com/jason52/shou-ba-shou-jiao-ni-xie-python-pa-chong/7

==
楼主前两天学习了一下 pyspider。 pyspider大法好呀，因此怒更一发来安利~

所要完成的任务是和第一弹相同的，只不过这次是使用 pyspider 来完成任务。

只是做了简要的介绍，怎么入门改模板、启动项目等，完全没有涉及到任务调度之类的~

==
之前爬虫系列 介绍 http://v2ex.com/t/177020

视频都在 http://haoqicat.com/jason52/shou-ba-shou-jiao-ni-xie-python-pa-chong

[laoyuan]

先收藏一下，回家再看

[kungfuchicken]

都把煎蛋当爬虫测试地啊，看来要放个大招反爬虫了

[jason52]

@laoyuan

楼上同学你做过一个笔记呀~那这个screencast应该就没什么价值了~比较粗浅~

http://v2ex.com/t/187256#reply4

另外一点是在webUI里面写程序比较蛋疼，我觉得应该可以直接本地编辑一个文件，然后webui里面只是负责管理，启动服务。

俺得再找找怎么整~

[jason52]

@kungfuchicken 啊~~~蛋主我对不起你~~~~~~一看你的详细介绍吓尿了~~~~

[laoyuan]

@jason52 是啊，看得眼睛疼。你倒提醒我了，是不是可以编辑文件，然后webUI 那边execfile()

[sefemp]

query的发音。。。

[laoyuan]

hahaha 测试可行，我真是太机智了~

[flight2006]

抓过，后来觉得不够刺激，改了下去抓1024了，1024抓起来费劲点

[matrix67]

@laoyuan 肿么搞？？

[matrix67]

先学肿么抓代理

[binux]

pyspider 不一定是在本地运行的，所以直接编辑文件不是那么通用
以前用 webdav 实现过在本地编辑，同步到到 webui 执行
现在这个功能还在 todo list 上

[binux]

首先 callback 这个概念在 pyspider 里面很重要，它指的是用哪个函数去解析抓回来的那个页面，然后在那个页面中，是点击下一页，还是抽取图片（或者两个都有），都是那个函数的代码。
然后，你并不需要手动取获取 css 选择器，点击 enable css selector helper 然后，在 web 面板点击元素，就会自动选择最合适的 css 选择器 pattern 了。

[binux]

另外看视频发现个 bug，赶紧悄悄修好了。。

[jason52]

@binux 虫叔你好。CSS选择器俺也试了，但是这个例子里面貌似取不到所谓的最大公约数，所以我就跳过了。

之前毛毛虫那个倒是好使。。。感觉非常好用。

[11]

@binux 大神，感觉 pyspider 的使用情景更像是抓新内容？对于监控页面的变化的场景，能否在脚本里设置保存每次的抓取结果而非替换掉？

[binux]

@jason52 这个例子需要选择一下

[binux]

@11 这样的场景，需要重载 on_result 方法，自己写数据库存储的操作。

[matrix67]

2 楼是煎蛋的 全栈工程师...

[binux]

@laoyuan 现在你可以通过 webdav 挂载脚本为本地文件，用任意编辑器编辑，然后到 web 上调试了。
搜索 webdav windows 看怎么在你的平台上挂载 http://demo.pyspider.org/dav/ 这个地址就好了

[terax]

LZ能把代码放到Github上吗？

[peterxu]

mark