Scrapy创建zentao爬虫

1.安装好Scrapy爬虫框架

2.切换到F盘的wooyun目录下执行：scrapy startproject zentao

这个命令会在当前目录下创建一个新目录zentao，它的结构如下：

3.通过tree /f命令查看目录结果

这些文件主要是：

• scrapy.cfg: 项目配置文件
• zentao/: 项目python模块, 呆会代码将从这里导入
• zentao/items.py: 项目items文件
• zentao/pipelines.py: 项目管道文件
• zentao/settings.py: 项目配置文件
• zentao/spiders: 放置spider的目录

 

定义Item

Items是将要装载抓取的数据的容器，它工作方式像python里面的字典，但它提供更多的保护，比如对未定义的字段填充以防止拼写错误。

它通过创建一个scrapy.item.Item类来声明，定义它的属性为scrpy.item.Field对象，就像是一个对象关系映射(ORM).
我们通过将需要的item模型化，来控制从dmoz.org获得的站点数据，比如我们要获得站点的名字，url和网站描述，我们定义这三种属性的域。要做到这点，我们编辑在tutorial目录下的items.py文件，我们的Item类将会是这样

from scrapy.item import Item, Field 
class DmozItem(Item):
    title = Field()
    link = Field()
    desc = Field()

刚开始看起来可能会有些困惑，但是定义这些item能让你用其他Scrapy组件的时候知道你的 items到底是什么。