python爬虫自学宝典——运行spider

时间:2024-03-22 07:20:27

前文回顾
经过前面的讲解,我们已经写了一个小程序,用来爬取我的博客主页的博客信息。但是我们还没有将这个程序运行,什么意思呢?就是光说不练,假把式;光练不说,傻把式。运行虫子,很简单。
首先,用dos定位到你的项目目录中,然后在命令行中输入:

scrapy crawl demo_spider

demo_spider是我的虫子名,正确的命令格式——scrapy crawl spider_name是运行虫子的命令,运行上面命令,可以看到我们所做的工作结果如下:

python爬虫自学宝典——运行spider
记住,定位只需要定位到项目目录下,而不是spider目录下。虽然运行用的是spider虫子名,但是框架会自动配置检索运行,不必劳烦我们操心。


细心的朋友可以发现如下问题,为什么我的博客文章那么多,只能爬取一页呢?是不是虫子太笨了,其实不然,是我们没设置好。那么如何爬取下一页的信息呢?须知一般用虫子爬信息,大多都是以万起步的。那么大的数据量,一个页面肯定放不下,只能下一页,next,下一页了。下一章,讲如何爬取下一页information。

欲知后事如何,且听下回分解。