03 python38的scrapy处理json格式数据
创始人
2025-01-17 03:04:06
0

1 json文档爬取或者获取ajax请求的json格式数据

1.0 网站分析

#网址:http://www.cwl.gov.cn/ygkj/wqkjgg/ssq/ #列表页分析: 第一页:http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo=1&pageSize=30&week=&systemType=PC 第二页:http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo=2&pageSize=30&week=&systemType=PC 最后一页:http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo=542&pageSize=30&week=&systemType=PC  请求方式get 参数修改pageNo 返回数据为json  

1.1 创建项目

scrapy startproject doubanSpider  cd ssqSpider scrapy genspider douban douban.com 

1.2 创建爬虫

scrapy genspider douban "douban.com" 

1.3 添加爬虫模型

import scrapy  class DoubanMovieItem(scrapy.Item):     # define the fields for your item here like:     # name = scrapy.Field()     title = scrapy.Field() #标题        stars = scrapy.Field() #分数        subject = scrapy.Field() #主题        pass  

1.4 修改爬虫代码,列表页的多页数据为例子

1.5.1 数据为json文档时使用response.json()

import scrapy from scrapy.http import HtmlResponse from scrapy import Request from ssqSpider.items import SsqspiderItem   class SsqSpider(scrapy.Spider):     name = "ssq"     allowed_domains = ["www.cwl.gov.cn"]     start_urls = ["https://cwl.gov.cn"]     # start_urls = ["http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo=1&pageSize=30&week=&systemType=PC"]      def start_requests(self):         for page in range(1,55):   ## 1-54页,range为左闭右开             url=f'http://www.cwl.gov.cn/cwl_admin/front/cwlkj/search/kjxx/findDrawNotice?name=ssq&issueCount=&issueStart=&issueEnd=&dayStart=&dayEnd=&pageNo={page}&pageSize=30&week=&systemType=PC'                     yield Request(url=url,dont_filter=True)  # 如果有302跳转加入dont_filter=True      def parse(self, response:HtmlResponse):                # print(response.json())                data=response.json()         result=data['result']         for i in result:             item=SsqspiderItem()             # print(i)             item['qihao']=i['code']             item['riqi']=i['date']             item['kaijianghaoma_red']=i['red']             item['kaijianghaoma_blue']=i['blue']                          item['jiangchijiner']=i['poolmoney']             item['xiaoshouer']=i['sales']              yield item   

1.5.2 测试运行爬虫

scrapy crawl douban  #正式运行 或者 scrapy crawl douban -o douban.csv  

相关内容

热门资讯

第三分钟了解!陕西三带辅助(辅... 第三分钟了解!陕西三带辅助(辅助挂)详细透视开挂辅助德州教程(其实存在有挂)-哔哩哔哩;亲真的是有正...
终于懂了!"微扑克发... 终于懂了!"微扑克发牌算法"详细外挂透明挂辅助神器-都是是有挂(哔哩哔哩);是一款可以让一直输的玩家...
6分钟了解(WPK开发)外挂智... 6分钟了解(WPK开发)外挂智能ai辅助软件(透视)AI教程(2024已更新)(哔哩哔哩)是一款可以...
透视安装!德普之星辅助器可以用... 透视安装!德普之星辅助器可以用(透视)底牌透视挂辅助挂(可靠开挂辅助解密教程)-哔哩哔哩;超受欢迎的...
第9分钟了解!广麻辅助器(辅助... 第9分钟了解!广麻辅助器(辅助挂)详细透视开挂辅助解密教程(其实存在有挂)-哔哩哔哩;人气非常高,a...
最新技巧!"wepo... 您好,wepower软件这款游戏可以开挂的,确实是有挂的,需要了解加微【136704302】很多玩家...
五分钟了解(德州线上扑克)外挂... 五分钟了解(德州线上扑克)外挂智能ai辅助器(透视)2025新版技巧(2024已更新)(哔哩哔哩)是...
透视私人局!uupoker透视... 透视私人局!uupoker透视(透视)底牌透视挂辅助机器人(可靠开挂辅助新版2025教程)-哔哩哔哩...
4分钟了解!山城九九辅助(辅助... 4分钟了解!山城九九辅助(辅助挂)详细透视开挂辅助揭秘教程(竟然真的有挂)-哔哩哔哩是一款可以让一直...
盘点一款!"wpk微... 盘点一款!"wpk微扑克辅助"详细外挂透明挂辅助插件-确实是有挂(哔哩哔哩);wpk微扑克辅助是一种...