上手簡(jiǎn)單,功能強(qiáng)大的Python爬蟲(chóng)框架——feapder

簡(jiǎn)介

feapder 是一款上手簡(jiǎn)單，功能強(qiáng)大的Python爬蟲(chóng)框架，使用方式類(lèi)似scrapy，方便由scrapy框架切換過(guò)來(lái)，框架內(nèi)置3種爬蟲(chóng)：

• AirSpider爬蟲(chóng)比較輕量，學(xué)習(xí)成本低。面對(duì)一些數(shù)據(jù)量較少，無(wú)需斷點(diǎn)續(xù)爬，無(wú)需分布式采集的需求，可采用此爬蟲(chóng)。
• Spider是一款基于redis的分布式爬蟲(chóng)，適用于海量數(shù)據(jù)采集，支持?jǐn)帱c(diǎn)續(xù)爬、爬蟲(chóng)報(bào)警、數(shù)據(jù)自動(dòng)入庫(kù)等功能
• BatchSpider是一款分布式批次爬蟲(chóng)，對(duì)于需要周期性采集的數(shù)據(jù)，優(yōu)先考慮使用本爬蟲(chóng)。

feapder除了支持?jǐn)帱c(diǎn)續(xù)爬、數(shù)據(jù)防丟、監(jiān)控報(bào)警外，還支持瀏覽器渲染下載，自定義入庫(kù)pipeline，方便對(duì)接其他數(shù)據(jù)庫(kù)（默認(rèn)數(shù)據(jù)庫(kù)為Mysql，數(shù)據(jù)可自動(dòng)入庫(kù)，無(wú)需編寫(xiě)pipeline）

讀音: [ˈfiːpdə]

• 官方文檔：http://feapder.com
• 國(guó)內(nèi)文檔：https://boris-code.gitee.io/feapder
• github：https://github.com/Boris-code/feapder
• 更新日志：https://github.com/Boris-code/feapder/releases
  

環(huán)境要求：

• Python 3.6.0+
• Works on Linux, Windows, macOS
  

安裝

From PyPi:

通用版

pip3 install feapder

完整版：

pip3 install feapder[all]

通用版與完整版區(qū)別：

完整版支持基于內(nèi)存去重

完整版可能會(huì)安裝出錯(cuò)，若安裝出錯(cuò)，請(qǐng)參考安裝問(wèn)題

小試一下

創(chuàng)建爬蟲(chóng)

feapder create -s first_spider

創(chuàng)建后的爬蟲(chóng)代碼如下：

import feapder


class FirstSpider(feapder.AirSpider):
    def start_requests(self):
        yield feapder.Request("https://www.baidu.com")

    def parse(self, request, response):
        print(response)


if __name__ == "__main__":
    FirstSpider().start()

直接運(yùn)行，打印如下：

Thread-2|2021-02-09 14:55:11,373|request.py|get_response|line:283|DEBUG|
                -------------- FirstSpider.parse request for ----------------
                url  = https://www.baidu.com
                method = GET
                body = {'timeout': 22, 'stream': True, 'verify': False, 'headers': {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36'}}

Response [200]>
Thread-2|2021-02-09 14:55:11,610|parser_control.py|run|line:415|DEBUG| parser 等待任務(wù) ...
FirstSpider|2021-02-09 14:55:14,620|air_spider.py|run|line:80|INFO| 無(wú)任務(wù)，爬蟲(chóng)結(jié)束

代碼解釋如下：

• start_requests： 生產(chǎn)任務(wù)
• parse： 解析數(shù)據(jù)

將請(qǐng)求頭轉(zhuǎn)為json格式

爬蟲(chóng)采集中，我們經(jīng)常需要攜帶網(wǎng)站的header等參數(shù)，比如：我們?cè)跒g覽器檢查工具看到某請(qǐng)求頭為：

Accept-Encoding: gzip, deflate, br
Accept-Language: zh-CN,zh;q=0.9,en;q=0.8
Cache-Control: max-age=0
Connection: keep-alive
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36

如果我們想在發(fā)請(qǐng)求時(shí)攜帶這個(gè)header，那么需要手動(dòng)將其轉(zhuǎn)為json格式。

使用

輸入命令，回車(chē)

> feapder create -j
請(qǐng)輸入需要轉(zhuǎn)換的內(nèi)容：（xxx:xxx格式，支持多行）

輸出如下：

另外，feapder還支持創(chuàng)建有序字典，方便對(duì)比參數(shù)前后的變化

命令為：

feapder create -sj

以上就是上手簡(jiǎn)單,功能強(qiáng)大的Python爬蟲(chóng)框架——feapder的詳細(xì)內(nèi)容，更多關(guān)于Python 爬蟲(chóng)框架feapder的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！