windows7 Python3 环境运行 Scrapy的例子

都说windows下的python3不支持scrapy,这里给出解决方案

1,引言

《Scrapy的架构初探》一文讲解了Scrapy的架构,本文就实际来安装运行一下Scrapy爬虫。本文以官网的tutorial作为例子,完整的代码可以在github上下载。

2,运行环境配置

本次测试的环境是:Windows10, Python3.4.3 32bit

安装Scrapy : $ pip install Scrapy #实际安装时,由于服务器状态的不稳定,出现好几次中途退出的情况
3,编写运行第一个Scrapy爬虫

3.1. 生成一个新项目:tutorial

Default

$ scrapy startproject tutorial

项目目录结构如下:

windows7 Python3 环境运行 Scrapy-安全者

3.2. 定义要抓取的item

Default

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy

class DmozItem(scrapy.Item):
    title = scrapy.Field()
    link = scrapy.Field()
    desc = scrapy.Field()

3.3. 定义Spider

Default

import scrapy
from tutorial.items import DmozItem

class DmozSpider(scrapy.Spider):
    name = "dmoz"
    allowed_domains = ["dmoz.org"]
    start_urls = [
        "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/",
        "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/"
    ]

    def parse(self, response):
        for sel in response.xpath('//ul/li'):
            item = DmozItem()
            item['title'] = sel.xpath('a/text()').extract()
            item['link'] = sel.xpath('a/@href').extract()
            item['desc'] = sel.xpath('text()').extract()
            yield item

3.4. 运行

$ scrapy crawl dmoz -o item.json

1) 结果报错:
A) ImportError: cannot import name '_win32stdio'
B) ImportError: No module named 'win32api'

2) 查错过程:查看官方的FAQ和stackoverflow上的信息,原来是scrapy在python3上测试还不充分,还有小问题。

3) 解决过程:
A) 需要手工去下载twisted/internet下的 _win32stdio 和 _pollingfile,存放到python目录的lib\sitepackages\twisted\internet下
B) 下载并安装pywin32

再次运行,成功!在控制台上可以看到scrapy的输出信息,待运行完成退出后,到项目目录打开结果文件items.json, 可以看到里面以json格式存储的爬取结果。

[
{"title": ["        About       "], "desc": [" ", " "], "link": ["/docs/en/about.html"]},
{"title": ["   Become an Editor "], "desc": [" ", " "], "link": ["/docs/en/help/become.html"]},
{"title": ["            Suggest a Site          "], "desc": [" ", " "], "link": ["/docs/en/add.html"]},
{"title": [" Help             "], "desc": [" ", " "], "link": ["/docs/en/help/helpmain.html"]},
{"title": [" Login                       "], "desc": [" ", " "], "link": ["/editors/"]},
{"title": [], "desc": [" ", " Share via Facebook "], "link": []},
{"title": [], "desc": [" ", "  Share via Twitter  "], "link": []},
{"title": [], "desc": [" ", " Share via LinkedIn "], "link": []},
{"title": [], "desc": [" ", " Share via e-Mail   "], "link": []},
{"title": [], "desc": [" ", " "], "link": []},
{"title": [], "desc": [" ", "  "], "link": []},
{"title": ["        About       "], "desc": [" ", " "], "link": ["/docs/en/about.html"]},
{"title": ["   Become an Editor "], "desc": [" ", " "], "link": ["/docs/en/help/become.html"]},
{"title": ["            Suggest a Site          "], "desc": [" ", " "], "link": ["/docs/en/add.html"]},
{"title": [" Help             "], "desc": [" ", " "], "link": ["/docs/en/help/helpmain.html"]},
{"title": [" Login                       "], "desc": [" ", " "], "link": ["/editors/"]},
{"title": [], "desc": [" ", " Share via Facebook "], "link": []},
{"title": [], "desc": [" ", "  Share via Twitter  "], "link": []},
{"title": [], "desc": [" ", " Share via LinkedIn "], "link": []},
{"title": [], "desc": [" ", " Share via e-Mail   "], "link": []},
{"title": [], "desc": [" ", " "], "link": []},
{"title": [], "desc": [" ", "  "], "link": []}
]

第一次运行scrapy的测试成功。
4,接下来的工作

接下来,我将使用GooSeeker API来实现网络爬虫,省掉对每个item人工去生成和测试xpath的工作量。目前有2个计划:

在gsExtractor中封装一个方法:从xslt内容中自动提取每个item的xpath
从gsExtractor的提取结果中自动提取每个item的结果
具体选择哪个方案,将在接下来的实验中确定,并发布到gsExtractor新版本中

时间: 2024-11-05 21:52:58

windows7 Python3 环境运行 Scrapy的例子的相关文章

directory-java运行GAMS的例子错误!如何解决

问题描述 java运行GAMS的例子错误!如何解决 java运行GAMS的例子提示 GAMS system directory is both not specified and not found from your environment!如何解决 Exception in thread "main" com.gams.api.GAMSException: GAMS system directory is both not specified and not found from

线程-爬虫crawler4j中,运行里面的例子就出现错误。错误如下

问题描述 爬虫crawler4j中,运行里面的例子就出现错误.错误如下 Exception in thread "main" java.lang.UnsupportedClassVersionError: edu/uci/ics/crawler4j/crawler/CrawlConfig : Unsupported major.minor version 51.0 解决方案 JDK版本的问题,你使用了低版本的JDK,修正开发环境的jdk版本. 问题参考:http://blog.csdn

python virtualenv环境运行django

python virtualenv环境运行django 安装前准备 检查pip版本与python版本是否一致 [root@localhost bin]# whereis pip pip: /usr/bin/pip /usr/bin/pip2.7 如果版本不一致,修改pip引用的版本 [root@localhost bin]# mv /usr/bin/pip /usr/bin/pip2.7.2 [root@localhost bin]# ln -s /usr/local/python3.5.2/b

BattleLAN在windows7中无法运行怎么办

BattleLAN是一个非常好用的软件,下面会稍微介绍下它的功能,而如果在win7中无法使用那么肯定还是会对我们照成一部分的影响的. 1 网友问题: 我最近安装了Windows 7系统,可是本来在Windows XP中可以正常运行的BattleLAN换了Windows 7后就运行不了,一按启动便自动消失,也不知道什么原因,难道是BattleLAN不兼容Windows 7么? 2 BattleLAN在windows7中无法运行 这个问题和兼容性是没关系的,这是因为该软件的权限不足导致的,解决方法:

如何在生产环境运行容器

本文讲的是如何在生产环境运行容器[编者的话]Vivek Juneja是一名工作首尔的云服务工程师.他从2008年就开始接触云服务,是最早的AWS和Eucalyptus的使用者.本文中总结了在生产环境中使用容器的几个方面,特别是对虚拟机与容器的混合部署的观点很值得推荐给大家. 如果只是把容器限制在开发测试环境中,那么您并没有享受到面向容器研发和发布工作的全部红利.对在生产环境中使用容器的抵触情绪来源于对安全与隔离性的担忧,同时也包括对管理容器的运维经验的缺乏. 在不同程度上使用容器的组织中,迁移这

汇编类问题-使用masm for windows 集成实验环境运行汇编程序

问题描述 使用masm for windows 集成实验环境运行汇编程序 使用masm for windows 集成实验环境运行汇编程序时,只生成了asm和obj文件,其他都没有!因此,不管运行什么程序都是直接结束就! 望大神们解答这是怎么回事儿?怎么办呀!???开发环境"> 解决方案 Masm for Windows集成开发环境编写汇编程序Caffe for windows使用matlab运行RCNN demowelcome to masm 汇编程序 解决方案二: 这种山寨个人编写的垃圾

Python实现从脚本里运行scrapy的方法_python

本文实例讲述了Python实现从脚本里运行scrapy的方法.分享给大家供大家参考.具体如下: 复制代码 代码如下: #!/usr/bin/python import os os.environ.setdefault('SCRAPY_SETTINGS_MODULE', 'project.settings') #Must be at the top before other imports from scrapy import log, signals, project from scrapy.x

关于eclipse中运行mapreduce不是在hadoop集群环境运行而是在本地运行的问题

问题描述 关于eclipse中运行mapreduce不是在hadoop集群环境运行而是在本地运行的问题 1.我用eclipse远程连接linux上的hadoop集群,跑Mapreduce程序都可以顺利完成,结果在集群里也可以看得到. 但是,跑程序的时候,我去集群上Jps没有我正在跑的程序 而且,我到job的web界面下,也没有我的MapReduce任务记录... 是不是eclipse其实在本地跑的,没有在集群中跑,我无法想明白,还请指教 解决方案 你远程的意思指的什么,是从windows下远程连

生产环境运行Docker的9个关键决策

本文讲的是生产环境运行Docker的9个关键决策,[编者的话]生产环境运行Docker并没有想象的那么简单,如何实现稳定安全的部署和扩容? 又有哪些需要考虑的关键决策? 本文就此做了一些分析和阐述,赶紧来看看吧! 也许你已经构建好了你的Rails或者基于Rack的Ruby应用.它甚至在你笔记本上的Docker容器里运行着并且团队里的其他开发者也是这样将它跑起来的.一切看上去棒极了,那么或许是时候装载它了. 不过,等一下!别急!将应用切换到生产环境中的Docker运行并没有听上去那么简单.这里面要