这篇文章将为大家详细讲解有关如何用Scrapy抓取网页，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
Scrapy是一种快速的高级Web爬虫和Web抓取框架，用于抓取网站并从其页面中提取结构化数据。它可用于各种用途，从数据挖掘到监控和自动化测试。
老规矩，使用前先用pip install scrapy进行安装，如果安装过程中遇到错误一般为error：Microsoft Visual C++ 14.0 is required. 只需要访问https://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted网站下载Twisted-19.2.1-cp37-cp37m-win_amd64安装即可，注意cp37代表的是我本机python的版本3.7 amd64代表我的操作系统位数。
安装使用 pip install Twisted-19.2.1-cp37-cp37m-win_amd64.whl即可，然后在重新安装scrapy就会成功安装了；安装成功后我们就可以使用scrapy命令进行创建爬虫项目了。
接下来在我的桌面运行cmd命令，使用 scrapy startproject webtutorial创建项目：
会在桌面生成一个webtutorial文件夹，我们看下目录结构：
然后我们在spiders文件夹下新建一个quotes_spider.py，编写一个爬虫用来爬取http://quotes.toscrape.com网站保存为一个html文件，网站截图如下：
代码如下：
import scrapy#定义爬虫类class QuotesSpider(scrapy.Spider):#指定爬虫名字 一会要用到name = "quotes"#开始请求方法def start_requests(self):urls = ['http://quotes.toscrape.com/page/1/','http://quotes.toscrape.com/page/2/']for url in urls:yield scrapy.Request(url=url, callback=self.parse)#解析写入返回内容到html中def parse(self, response):page = response.url.split("/")[-2]filename = 'quotes-%s.html' % pagewith open(filename, 'wb') as f:f.write(response.body)self.log('Saved file %s' % filename)
之后的目录结构为：
然后我们在命令行中切换到webtutorial文件夹下，执行命令scrapy crawl quotes进行抓取（quotes为刚才指定的爬虫名）：
发现出错了，No module named 'win32api',这里我们安装一下win32api
使用命令 pip install pypiwin32，然后继续执行scrapy crawl quotes：
可知爬虫任务成功执行，这时会在webtutorial文件夹下生成两个html：
关于如何用Scrapy抓取网页就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
