Model.py里面的模块存放的是关于Mysql里面的使用模块
基本的数据库连接以及存储;
关于spider
1.peewee的模块,这个号称最简便的数据库使用,以及最统一的格式;这里面只是有关于Mysql里面的基本操作
2.Xpath正则表达式的关于选取内容
3.以及这里面的网页分析
分析网页,拿到需要的需求是一个重要的步骤
只有分析出自己的需求才知道自己需要什么;
知道自己需要什么才能知道要提取什么内容存储什么
要注意的是:Spider是不会自动过滤到之前爬取的地方,所以它会重复的爬取一个点,这时候就需要一个数据库的过滤来过滤重复爬取的内容,以达到最优状态;
部分网站会做一些反爬来过滤掉一些基本的爬虫
关于Header的基本防爬
我们这边使用的是通过获取到浏览器的Header来替换我们请求我们的网页,可以在spider里面见到这一项操作;
<headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36' } author = Author() author_id = url.split("/")[-1] res_text = requests.get(url,headers=headers).text>
这时候我们就可以看到我们又能访问到页面的内容了
关于Spider就这写,可以下载下来尝试,思考里面一些基本的语法使用