feapder：一款功能強(qiáng)大的爬蟲(chóng)框架

今天推薦一款更加簡(jiǎn)單、輕量級(jí)，且功能強(qiáng)大的爬蟲(chóng)框架：feapder

項(xiàng)目地址：

https://github.com/Boris-code/feapder

2. 介紹及安裝

和 Scrapy 類似，feapder 支持輕量級(jí)爬蟲(chóng)、分布式爬蟲(chóng)、批次爬蟲(chóng)、爬蟲(chóng)報(bào)警機(jī)制等功能

內(nèi)置的 3 種爬蟲(chóng)如下：

• AirSpider
  輕量級(jí)爬蟲(chóng)，適合簡(jiǎn)單場(chǎng)景、數(shù)據(jù)量少的爬蟲(chóng)
• Spider
  分布式爬蟲(chóng)，基于 Redis，適用于海量數(shù)據(jù)，并且支持?jǐn)帱c(diǎn)續(xù)爬、自動(dòng)數(shù)據(jù)入庫(kù)等功能
• BatchSpider
  分布式批次爬蟲(chóng)，主要用于需要周期性采集的爬蟲(chóng)

在實(shí)戰(zhàn)之前，我們?cè)谔摂M環(huán)境下安裝對(duì)應(yīng)的依賴庫(kù)

# 安裝依賴庫(kù)
pip3 install feapder

3. 實(shí)戰(zhàn)一下

我們以最簡(jiǎn)單的 AirSpider 來(lái)爬取一些簡(jiǎn)單的數(shù)據(jù)

目標(biāo)網(wǎng)站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

詳細(xì)實(shí)現(xiàn)步驟如下（ 5 步）

3-1 創(chuàng)建爬蟲(chóng)項(xiàng)目

首先，我們使用「 feapder create -p 」命令創(chuàng)建一個(gè)爬蟲(chóng)項(xiàng)目

# 創(chuàng)建一個(gè)爬蟲(chóng)項(xiàng)目
feapder create -p tophub_demo

3-2 創(chuàng)建爬蟲(chóng) AirSpider

命令行進(jìn)入到 spiders 文件夾目錄下，使用「 feapder create -s 」命令創(chuàng)建一個(gè)爬蟲(chóng)

cd spiders

# 創(chuàng)建一個(gè)輕量級(jí)爬蟲(chóng)
feapder create -s tophub_spider 1

其中

• 1 為默認(rèn)，表示創(chuàng)建一個(gè)輕量級(jí)爬蟲(chóng) AirSpider
• 2 代表創(chuàng)建一個(gè)分布式爬蟲(chóng) Spider
• 3 代表創(chuàng)建一個(gè)分布式批次爬蟲(chóng) BatchSpider

3-3 配置數(shù)據(jù)庫(kù)、創(chuàng)建數(shù)據(jù)表、創(chuàng)建映射 Item

以 Mysql 為例，首先我們?cè)跀?shù)據(jù)庫(kù)中創(chuàng)建一張數(shù)據(jù)表

# 創(chuàng)建一張數(shù)據(jù)表
create table topic
(
    id         int auto_increment
        primary key,
    title      varchar(100)  null comment '文章標(biāo)題',
    auth       varchar(20)   null comment '作者',
    like_count     int default 0 null comment '喜歡數(shù)',
    collection int default 0 null comment '收藏?cái)?shù)',
    comment    int default 0 null comment '評(píng)論數(shù)'
);

然后，打開(kāi)項(xiàng)目根目錄下的 settings.py 文件，配置數(shù)據(jù)庫(kù)連接信息

# settings.py

MYSQL_IP = "localhost"
MYSQL_PORT = 3306
MYSQL_DB = "xag"
MYSQL_USER_NAME = "root"
MYSQL_USER_PASS = "root"

最后，創(chuàng)建映射 Item（ 可選 ）

進(jìn)入到 items 文件夾，使用「 feapder create -i 」命令創(chuàng)建一個(gè)文件映射到數(shù)據(jù)庫(kù)

PS：由于 AirSpider 不支持?jǐn)?shù)據(jù)自動(dòng)入庫(kù)，所以這步不是必須

3-4 編寫爬蟲(chóng)及數(shù)據(jù)解析

第一步，首先使「 MysqlDB 」初始化數(shù)據(jù)庫(kù)

from feapder.db.mysqldb import MysqlDB

class TophubSpider(feapder.AirSpider):

    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.db = MysqlDB()

第二步，在 start_requests 方法中，指定爬取主鏈接地址，使用關(guān)鍵字「download_midware 」配置隨機(jī) UA

import feapder
from fake_useragent import UserAgent

def start_requests(self):
    yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)

def download_midware(self, request):
    # 隨機(jī)UA
    # 依賴：pip3 install fake_useragent
    ua = UserAgent().random
    request.headers = {'User-Agent': ua}
    return request

第三步，爬取首頁(yè)標(biāo)題、鏈接地址

使用 feapder 內(nèi)置方法 xpath 去解析數(shù)據(jù)即可

def parse(self, request, response):
    # print(response.text)
    card_elements = response.xpath('//div[@class="cc-cd"]')

    # 過(guò)濾出對(duì)應(yīng)的卡片元素【什么值得買】
    buy_good_element = [card_element for card_element in card_elements if
                        card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什么值得買'][0]

    # 獲取內(nèi)部文章標(biāo)題及地址
    a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')

    for a_element in a_elements:
        # 標(biāo)題和鏈接
        title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
        href = a_element.xpath('.//@href').extract_first()

        # 再次下發(fā)新任務(wù)，并帶上文章標(biāo)題
        yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
                              title=title)

第四步，爬取詳情頁(yè)面數(shù)據(jù)

上一步下發(fā)新的任務(wù)，通過(guò)關(guān)鍵字「 callback 」指定回調(diào)函數(shù)，最后在 parser_detail_page 中對(duì)詳情頁(yè)面進(jìn)行數(shù)據(jù)解析

def parser_detail_page(self, request, response):
    """
    解析文章詳情數(shù)據(jù)
    :param request:
    :param response:
    :return:
    """
    title = request.title

    url = request.url

    # 解析文章詳情頁(yè)面，獲取點(diǎn)贊、收藏、評(píng)論數(shù)目及作者名稱
    author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()

    print("作者：", author, '文章標(biāo)題:', title, "地址：", url)

    desc_elements = response.xpath('//span[@class="xilie"]/span')

    print("desc數(shù)目:", len(desc_elements))

    # 點(diǎn)贊
    like_count = int(re.findall('d+', desc_elements[1].xpath('./text()').extract_first())[0])
    # 收藏
    collection_count = int(re.findall('d+', desc_elements[2].xpath('./text()').extract_first())[0])
    # 評(píng)論
    comment_count = int(re.findall('d+', desc_elements[3].xpath('./text()').extract_first())[0])

    print("點(diǎn)贊：", like_count, "收藏:", collection_count, "評(píng)論:", comment_count)

3-5 數(shù)據(jù)入庫(kù)

使用上面實(shí)例化的數(shù)據(jù)庫(kù)對(duì)象執(zhí)行 SQL，將數(shù)據(jù)插入到數(shù)據(jù)庫(kù)中即可

# 插入數(shù)據(jù)庫(kù)
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (
title, author, like_count, collection_count, comment_count)

# 執(zhí)行
self.db.execute(sql)

4. 最后

本篇文章通過(guò)一個(gè)簡(jiǎn)單的實(shí)例，聊到了 feapder 中最簡(jiǎn)單的爬蟲(chóng) AirSpider