1. 手动操作一遍，看看每个板块是不是动态加载，有没有带参数2. 在终端里 scrapy startproject wanyi 构建wanyi文档，cd进入文档，scrapy genspider wanyipy www.xxx.com 在目录下创建一个爬虫文件3. 在items文件里建立两个对象（标题和内容）4. 首先通过xpath爬取到首页中每个模块的href，接着对每一个板块的url进行请求发送5. 发现每一个板块对应的新闻标题相关的内容都是动态加载，所以得导入selenium库来进行发送请求并在middlewares里拦截并篡改响应数据，再return出新的请求6. 依次遍历通过xpath获取到每个模块下的标题和标题链接7. 请求标题链接再通过xpath获取到对应标题下的新闻内容，import items库实例化一个item对象，赋值上标题和内容的值 再yield出去到管道类里边8. 最后在pipelines文件里进行存储数据的操作声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论