pyspider爬虫初学笔记

在学习爬虫的过程中，知道了有pyspider这个神器，界面虽然简单但看着很方便，以下大概介绍一下各方面内容。

一、安装：

在命令行中pip install pyspider，

每次启动时都需要在命令行中输入pyspider，

在网页中打开localhost：5000

页面名叫dashboard，是pyspider的控制面板。

group代表分组，status中有stop，todo，running，Checking和debug五种模式，必须选择running或者debug模式时才能运行项目。progress和rate不用考虑太多，avg time是平均运行时长，actions中，有三个按键，分别代表运行，当前任务，和运行结果。

二、使用：

创建项目时，点击create，输入项目名称和目标网址，之后会进入新的页面，如下是爬取安居客网站上的房价数据案例：

新的页面必须点击右上角的save进行保存，否则退出时不会自动保存代码。

在该页面进行调试时，首先点击左侧输入框的run，之后点击下方的follow，下一步是出现的网址右侧的箭头，一步一步点击下去，会看到你提取出来的结果。

web按键是显示该网站的页面；

html是显示该网站的源代码；

message是显示代码运行信息；

enable css selector helper是可以在点击web的前提下在该网站页面中选取元素，检查它们的标签。

爬取的结果如下所示：

运行结果有三种导出方式，分别是json，URL-json和csv。可根据需要自行导出。

三、语法：

在return返回值时，需要注意使用%s，即占位符，来进行数据的调整，并且需要与%i相对应；

非常重要的一点是，python语句中的缩进问题，一旦缩进出现误差，代码就会报错；

四、注意事项：

1. 在面板页面点击run之后，得到的result是固定的，不会因为在内部修改代码之后重新运行得到新的结果，因此最好是在单个项目页面中调试完毕之后再出来点击run。

2. 想要删除项目时，首先将group选项填写delete，然后将status填写为stop，这样在24h之后项目会自动删除。

3. 由于浏览器问题，web页面显示不完全，因此可以通过调整f12中的开发工具对页面进行修改，修改位置如下：

默认的height值为"50%",由于个人浏览器分辨率问题，本人的电脑调整为"500"，可根据个人电脑配置自行修改！

4.若有其他问题，可至pyspider作者github网上进行查询，网址如下：

https://github.com/binux/pyspider/issues?page=2&q=is%3Aissue+is%3Aopen

以上是自学pyspider的一些收获，如有错误，还请各位大佬指出！