scrapy爬虫---爬取阳光政务平台文章和入库
2020-12-29 本文已影响0人
幼姿沫
用普通爬虫实现爬取阳光政务平台首页政务的标题和链接 并且对具体政务信息进行提取以下为具体字段
title (问政标题)/ href (问政链接) /author 作者名称/ author_img 作者图片 / publish_date 发布日期/ content 内容/ content_img 内容图片 /department(问政部门)
网址:http://wzzdg.sun0769.com/political/index/index
由于问政详情页面有图片和内容 有的有内容无图片 以下进行分析
1.网页分析:
首页分析

有内容无图片页面

有内容有图片页面分析

文件架构

2.代码截图分析
ygzw.py --------- 爬虫页面



start.py 启动爬虫页面

settings.py 配置页面

items.py 设置爬取网页的数据预设

pipelines.py 对数据进行保存文件

项目展示结果:
mongodb数据库展示

控制台输出信息展示
