基于 Python 的 Scrapy 爬虫入门：环境搭建

目录

• 基于 Python 的 Scrapy 爬虫入门：环境搭建
• 基于 Python 的 Scrapy 爬虫入门：页面提取
• 基于 Python 的 Scrapy 爬虫入门：图片处理

---

做为一个全栈工程师（:-) HoHo），前端后台都懂点是必须的，可是Python 很菜，Scrapy 更菜，没错，这就是 Full Stack Developer 的特色，什么都懂点，什么都不精，咱们的特色就是上手快，忘得也很快，不过配合强大的搜索引擎，写些小东西出来是不成问题的！

言归正传，最近想用爬虫抓取一些内容来充实本身的博客，之前用过 phpspider，基本能知足要求，可是不够强大，因此选用 Scrapy，顺便回忆一下快忘光的 Python，谁让它这么火呢。

1、基础环境

因为不是职业的Web开发者，所以环境是基于Windows的。

1. Python 安装

到 python.org 下载最新版 Python 安装包，我使用的是3.6.3 32位版本，注意若是安装了64位版本，之后所使用的包也都须要64位(很大一部分包无32/64位区分，能够通用)。安装程序默认安装pip包管理工具，并设置了相关环境变量：添加 %Python% 及 %Python%\Scripts 到 PATH 中（%Python%是你的安装目录），你运行的 Python 程序或脚本都在 Scripts 中，包都安装在 Lib\site-packages 中。

2. 配置 pip 国内镜像源

Python之因此强大正是由于各类功能齐全的开发包，因为众所周知的缘由 pip下载模块速度很慢，所以为了保证pip下载顺利，建议替换成国内的安装源镜像：

• 建立文件 %HOMEPATH%\pip\pip.ini，内容以下：

  [global]
  trusted-host=mirrors.aliyun.com
  index-url=http://mirrors.aliyun.com/pypi/simple/

• 上面这个是清华大学的镜像，另外附上其余几个好用的，听说每30分钟同步官网

  阿里云：http://mirrors.aliyun.com/pypi/simple/
  豆瓣网：http://pypi.doubanio.com/simple/
  科技大学：http://mirrors.ustc.edu.cn/pypi/web/simple/
  清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/

• 若是不嫌麻烦的话也能够每次安装时指定：

  pip -i http://pypi.douban.com/simple install Flask

3. 换一个趁手的命令行

因为Python中常常要用到命令行工具，但Windows自带的cmd或PowerShell逼格过低，换个字体还得折腾大半天，所以有必要换一个好用的，推荐cmder mini版：https://github.com/cmderdev/c...，Python输出的调试信息能够根据颜色区分，不用像cmd那样找半天了。

4. 安装基础包

virtualenv

基本上Python每一个项目都会用到大量的模块，好比本文中的Scrapy爬虫，pip install scrapy后除了Scrapy自己外，还会下载数十个依赖包，若是常常用Python作各类开发，site-packages会愈来愈庞大，可能有些包只在一个项目中用到，或者删除包后依赖包并无被删除，总之不太好管理，做为强迫症患者是决不能忍受的。

好在有一个工具 virtualenv 能够方便管理 Python 的环境，它能够建立一个隔离的Python虚拟开发环境，使用它你能够同时安装多个Python版本，方便同时多个项目的开发，每一个项目之间的包安装与使用都是独立的，互不干扰，经过命令能够随时切换各个虚拟环境，若是再也不使用，把整个虚拟环境删除便可同时删除其中全部的模块包，保持全局环境的干净。

为了便于使用，我选择安装virtualenvwrapper-win模块，它依赖于virtualenv，包含Windows下面易于使用的批处理脚本，其实只是调用了 virtualenv 功能而已：

pip install virtualenvwrapper-win

virtualenvwrapper 经常使用命令：

• workon: 列出虚拟环境列表
• lsvirtualenv: 同上
• mkvirtualenv: 新建虚拟环境
• workon [虚拟环境名称]: 切换虚拟环境
• rmvirtualenv: 删除虚拟环境
• deactivate: 离开虚拟环境

wheel

wheel 是python中的解包和打包工具，所以有必要安装到全局环境中，有些模块使用pip安装老是失败，能够尝试先下载whl文件，再使用wheel本地安装的方式安装。

pip install wheel

pypiwin32

既然在Windows下开发，win32api也是必不可少的包，所以也装到全局环境中，下次新建虚拟项目环境用到时就没必要每次再下载一次了。

---

固然，以上2，3，4其实都不是必须的，可是建好基本环境有利于之后的开发少兜圈子。

2、Scrapy 安装

打开cmder命令行工具

1. 建立Scrapy虚拟环境： mkvirtualenv Scrapy，默认状况下会建立%HOMEPATH%\Envs目录，全部的虚拟环境都会产生一个子目录保存在此，里面包含Python基本程序文件以及pip,wheel,setuptools库文件。若是想修改Envs默认路径，在Windows中可添加一个 %WORKON_HOME% 环境变量指定新的目录。
2. 切换到Scrapy环境：workon scrapy ，执行后在命令行提示符前面会多出 (Scrapy) 字符，表示当前处于Scrapy虚拟环境中，同时添加了当前环境中的相关路径在系统 %PATH% 搜索路径中。

3. 安装Scrapy包：pip install scrapy，本身好几回都遇到Twisted模块安装失败的问题，貌似是编译失败，缺乏Microsoft Visual C++ 14.0致使：

   

   我没有按要求安装Microsoft Visual C++ 14.0编译工具进行编译安装，而是下载已打包的whl文件进行本地安装，此时wheel便派上了用场，到 https://www.lfd.uci.edu/~gohl... 下载twisted的whl文件（注意对应Python版本）

   

   再使用 pip install Twisted‑17.9.0‑cp36‑cp36m‑win32.whl 来进行安装，本地安装twisted成功，因为以前被错误中断，建议再执行一次 pip install scrapy 防止有依赖包没有安装到。

   注意：Windows平台须要额外安装 pypiwin32 模块，不然在Scrapy执行爬虫时会报错：
   ModuleNotFoundError: No module named 'win32api'

至此 Scrapy 环境搭建完成，全部的模块存放在 %HOMEPATH%\Envs\Scrapy 中，若是再也不使用，只须要命令行执行 rmvirtualenv scrapy，整个目录都会被删除，全部依赖模块都会被清理干净。