1. 前言
大家好，我是安果！
眾所周知，Python 最流行的爬蟲框架是 Scrapy，它主要用於爬取網站結構性資料
今天推薦一款更加簡單、輕量級，且功能強大的爬蟲框架：feapder
專案地址：
https://github.com/Boris-code/feapder
2. 介紹及安裝
和 Scrapy 類似，feapder 支援輕量級爬蟲、分散式爬蟲、批次爬蟲、爬蟲報警機制等功能
內建的 3 種爬蟲如下：
-
AirSpider
輕量級爬蟲，適合簡單場景、資料量少的爬蟲
-
Spider
分散式爬蟲，基於 Redis，適用於海量資料，並且支援斷點續爬、自動資料入庫等功能
-
BatchSpider
分散式批次爬蟲，主要用於需要週期性採集的爬蟲
在實戰之前，我們在虛擬環境下安裝對應的依賴庫
# 安裝依賴庫
pip3 install feapder
3. 實戰一下
我們以最簡單的 AirSpider 來爬取一些簡單的資料
目標網站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==
詳細實現步驟如下（ 5 步）
3-1 建立爬蟲專案
首先，我們使用「 feapder create -p 」命令建立一個爬蟲專案
# 建立一個爬蟲專案
feapder create -p tophub_demo
3-2 建立爬蟲 AirSpider
命令列進入到 spiders 資料夾目錄下，使用「 feapder create -s 」命令建立一個爬蟲
cd spiders
# 建立一個輕量級爬蟲
feapder create -s tophub_spider 1
其中
-
1 為預設，表示建立一個輕量級爬蟲 AirSpider
-
2 代表建立一個分散式爬蟲 Spider
-
3 代表建立一個分散式批次爬蟲 BatchSpider
3-3 配置資料庫、建立資料表、建立對映 Item
以 Mysql 為例，首先我們在資料庫中建立一張資料表
# 建立一張資料表
create table topic( id int auto_increment primary key, title varchar(100) null comment '文章標題', auth varchar(20) null comment '作者', like_count int default 0 null comment '喜歡數', collection int default 0 null comment '收藏數', comment int default 0 null comment '評論數');
然後，開啟專案根目錄下的 settings.py 檔案，配置資料庫連線資訊
# settings.py
MYSQL_IP = "localhost"
MYSQL_PORT = 3306
MYSQL_DB = "xag"
MYSQL_USER_NAME = "root"
MYSQL_USER_PASS = "root"
最後，建立對映 Item（ 可選 ）
進入到 items 資料夾，使用「 feapder create -i 」命令建立一個檔案對映到資料庫
PS：由於 AirSpider 不支援資料自動入庫，所以這步不是必須
3-4 編寫爬蟲及資料解析
第一步，首先使「 MysqlDB 」初始化資料庫
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，指定爬取主連結地址，使用關鍵字「download_midware 」配置隨機 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UA
# 依賴：pip3 install fake_useragent
ua = UserAgent().random
request.headers = {'User-Agent': ua}
return request
第三步，爬取首頁標題、連結地址
使用 feapder 內建方法 xpath 去解析資料即可
def parse(self, request, response):
# print(response.text)
card_elements = response.xpath('//div[@class="cc-cd"]')
# 過濾出對應的卡片元素【什麼值得買】
buy_good_element = [card_element for card_element in card_elements if
card_element.xpath('.//div[@class="cc-cd-is"]//span/text()').extract_first() == '什麼值得買'][0]
# 獲取內部文章標題及地址
a_elements = buy_good_element.xpath('.//div[@class="cc-cd-cb nano"]//a')
for a_element in a_elements:
# 標題和連結
title = a_element.xpath('.//span[@class="t"]/text()').extract_first()
href = a_element.xpath('.//@href').extract_first()
# 再次下發新任務，並帶上文章標題
yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,
title=title)
第四步，爬取詳情頁面資料
上一步下發新的任務，通過關鍵字「 callback 」指定回撥函式，最後在 parser_detail_page 中對詳情頁面進行資料解析
def parser_detail_page(self, request, response):
"""
解析文章詳情資料
:param request:
:param response:
:return:
"""
title = request.title
url = request.url
# 解析文章詳情頁面，獲取點贊、收藏、評論數目及作者名稱
author = response.xpath('//a[@class="author-title"]/text()').extract_first().strip()
print("作者：", author, '文章標題:', title, "地址：", url)
desc_elements = response.xpath('//span[@class="xilie"]/span')
print("desc數目:", len(desc_elements))
# 點贊
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])
# 評論
comment_count = int(re.findall('\d+', desc_elements[3].xpath('./text()').extract_first())[0])
print("點贊：", like_count, "收藏:", collection_count, "評論:", comment_count)
3-5 資料入庫
使用上面例項化的資料庫物件執行 SQL，將資料插入到資料庫中即可
# 插入資料庫
sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values('%s','%s','%s','%d','%d')" % (
title, author, like_count, collection_count, comment_count)
# 執行
self.db.execute(sql)
4. 最後
本篇文章通過一個簡單的例項，聊到了 feapder 中最簡單的爬蟲 AirSpider
關於 feapder 高階功能的使用，後面我將會通過一系列例項進行詳細說明
我已經將文中所有程式碼上傳到公眾號後臺，後臺回覆關鍵字「 airspider 」獲取完整原始碼
如果你覺得文章還不錯，請大家 點贊、分享、留言 下，因為這將是我持續輸出更多優質文章的最強動力！