推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
新型 Python 爬虫框架 gain: 基于 asyncio, uvloop 和 aiohttp.
prasanta · 2017-06-02 16:51:27 +08:00 · 7460 次点击这是一个创建于 2511 天前的主题，其中的信息可能已经有所发展或是发生改变。
Gain
github 地址: https://github.com/gaojiuli/gain/
gain 是为了让每大家能够轻松编写 python 爬虫, 它使用了 asyncio, uvloop 和 aiohttp.
准备
- Python3.5+
安装
pip install gain
用法
Write spider.py:
from gain import Css, Item, Parser, Spider
class Post(Item):
title = Css('.entry-title')
content = Css('.entry-content')
async def save(self):
with open('scrapinghub.txt', 'a+') as f:
f.writelines(self.results['title'] + '\n')
class MySpider(Spider):
start_url = 'https://blog.scrapinghub.com/'
parsers = [Parser('https://blog.scrapinghub.com/page/\d+/'),
Parser('https://blog.scrapinghub.com/\d{4}/\d{2}/\d{2}/[a-z0-9\-]+/', Post)]
MySpider.run()
run python spider.py
案例
案例在 /example/ 目录下.
github 地址: https://github.com/gaojiuli/gain/
 |
1
awolfly9 2017-06-02 17:35:46 +08:00 via Android
mark
|
 |
2
MIROKY 2017-06-02 17:49:27 +08:00 via Android
wow 马克
|
 |
3
charove 2017-06-02 17:50:27 +08:00
感觉好叼。。。
|
 |
4
qs 2017-06-02 20:13:08 +08:00
win 平台不支持 uvloop, 建议做个适配
|
 |
6
maze1024 2017-06-03 00:30:49 +08:00
aiohttp 的 http 解析配合 uvloop 不是很高效，建议看看 uvloop 的实现 https://github.com/MagicStack/httptools
|
 |
7
isaced 2017-06-03 00:52:48 +08:00
建议把输出结果文件的操作封装一下用起来更舒服
|
 |
8
PythonAnswer 2017-06-03 01:07:49 +08:00 via Android
uvloop win 跑不了啊
|
 |
10
prasanta OP @isaced 你有什么好的想法么，我现在是让使用者自定义 save()函数。不知道你的封装是指？
|
|
11
prasanta OP @PythonAnswer 看了楼上的意见，我准备暂时移除 uvloop
|
 |
12
chuanqirenwu 2017-06-03 10:14:59 +08:00
不错，感谢作者的分享，已转发到 Pythonzhcn 社区，不知道是否允许？
|
|
13
prasanta OP @chuanqirenwu 可以
|
 |
14
pythonee 2017-06-03 20:17:46 +08:00
mark
|
 |
15
hellogbk 2017-06-04 00:51:49 +08:00
我这些天在用 pyquery 的时候是到一个问题，如果网页是以
<?xml version="1.0" encoding="UTF-8"?> 开头的则 pyquery 会出错。 不知道楼主有没有遇到。 |
 |
17
hbmask 2017-06-04 10:50:47 +08:00
mark 一下
|
|
18
hellogbk 2017-06-04 13:27:37 +08:00
|
 |
20
pb941129 2017-06-04 22:42:58 +08:00
mark 一下
|
Select Language