上手简单,功能强大的Python爬虫框架——feapder

作者: 我叫常冰川10319618
来源: 51数据库
2021-10-19

简介

feapder 是一款上手简单，功能强大的python爬虫框架，使用方式类似scrapy，方便由scrapy框架切换过来，框架内置3种爬虫：

airspider爬虫比较轻量，学习成本低。面对一些数据量较少，无需断点续爬，无需分布式采集的需求，可采用此爬虫。
spider是一款基于redis的分布式爬虫，适用于海量数据采集，支持断点续爬、爬虫报警、数据自动入库等功能
batchspider是一款分布式批次爬虫，对于需要周期性采集的数据，优先考虑使用本爬虫。

feapder除了支持断点续爬、数据防丢、监控报警外，还支持浏览器渲染下载，自定义入库pipeline，方便对接其他数据库（默认数据库为mysql，数据可自动入库，无需编写pipeline）

读音: [ˈfiːpdə]

官方文档：
国内文档：
github：https://github.com/boris-code/feapder
更新日志：https://github.com/boris-code/feapder/releases

环境要求：

python 3.6.0+
works on linux, windows, macos

安装

from pypi:

通用版

pip3 install feapder

完整版：

pip3 install feapder[all]

通用版与完整版区别：

完整版支持基于内存去重

完整版可能会安装出错，若安装出错，请参考安装问题

小试一下

创建爬虫

feapder create -s first_spider

创建后的爬虫代码如下：

import feapder


class firstspider(feapder.airspider):
    def start_requests(self):
        yield feapder.request("http://www.51sjk.com/Upload/Articles/1/0/254/254279_20210628000427368.com")

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


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

直接运行，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  = http://www.51sjk.com/Upload/Articles/1/0/254/254279_20210628000427368.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 等待任务 ...
firstspider|2021-02-09 14:55:14,620|air_spider.py|run|line:80|info| 无任务，爬虫结束

代码解释如下：

start_requests：生产任务
parse：解析数据

将请求头转为json格式

爬虫采集中，我们经常需要携带网站的header等参数，比如：我们在浏览器检查工具看到某请求头为：

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

如果我们想在发请求时携带这个header，那么需要手动将其转为json格式。

使用

输入命令，回车

> feapder create -j
请输入需要转换的内容：（xxx:xxx格式，支持多行）

输出如下：

另外，feapder还支持创建有序字典，方便对比参数前后的变化

命令为：

feapder create -sj

以上就是上手简单,功能强大的python爬虫框架——feapder的详细内容，更多关于python 爬虫框架feapder的资料请关注其它相关文章！