知识卡片
规则爬虫封装常见导航循环
CrawlSpider把链接抽取、请求跟进和响应回调组合为Rule列表,用户保留parse_item完成详情解析。它已有内部parse调度,不应再用普通Spider式parse覆盖这条规则链。手工yield请求的机制仍是理解复杂流程的基础,规则更短不等于适合所有网页或不需要测试。
结构图: 类图
classDiagram
class Spider
class CrawlSpider
class EasySpider {
+rules
+parse_item(response)
}
class Rule {
+callback
+follow
}
class LinkExtractor
Spider <|-- CrawlSpider
CrawlSpider <|-- EasySpider
EasySpider o-- Rule
Rule --> LinkExtractor
note for EasySpider "分页Rule与详情Rule分别承担导航和提取"
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 爬虫基础 3.4.2 使用CrawlSpider实现双向爬取 · 查看原书依据
class EasySpider(CrawlSpider)
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第3章 爬虫基础,spine035单元022;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00034.html。
- 结论依据:原文CrawlSpider+Rule保留详情回调并复用内部parse,直接支持规则链封装,覆盖parse会改变这条职责而非仅增加普通入口。补充核验入口:https://docs.scrapy.org/en/latest/topics/spiders.html。未在本机运行示例或改变环境。
- 原始内容:easy.py 包含如下内容。 ... class EasySpider(CrawlSpider): name = 'easy' allowed_domains = ['web'] start_urls = ['http://www.web/'] rules = (