如何學(xué)習(xí)scrapy？沒(méi)有別的辦法學(xué)習(xí)爬蟲(chóng)，練習(xí)，網(wǎng)上有很多教程，照做幾個(gè)也可以入門(mén)，以后多練習(xí)就可以了。從最簡(jiǎn)單的爬蟲(chóng)開(kāi)始，如何獲取，如何發(fā)布，如何添加標(biāo)題，如何傳遞表單，如何傳遞正文，如何用正則表

如何學(xué)習(xí)scrapy？

沒(méi)有別的辦法學(xué)習(xí)爬蟲(chóng)，練習(xí)，網(wǎng)上有很多教程，照做幾個(gè)也可以入門(mén)，以后多練習(xí)就可以了。從最簡(jiǎn)單的爬蟲(chóng)開(kāi)始，如何獲取，如何發(fā)布，如何添加標(biāo)題，如何傳遞表單，如何傳遞正文，如何用正則表達(dá)式處理返回的結(jié)果，如何用XPath處理返回的結(jié)果，所有這些都會(huì)得到滿(mǎn)足，所以我什么都不怕做，至少我的研究有方向。

基于python的scrapy爬蟲(chóng)，關(guān)于增量爬取是怎么處理的？

對(duì)于只讀取少數(shù)網(wǎng)站更新內(nèi)容的爬蟲(chóng)，不需要在Python代碼中實(shí)現(xiàn)增量功能，直接在項(xiàng)目中添加URL字段。

項(xiàng)目[“Url”]=響應(yīng).url

然后，在數(shù)據(jù)端，將URL列設(shè)置為unique。

之后，您可以在Python代碼中捕獲數(shù)據(jù)庫(kù)提交返回的異常，忽略它或?qū)⑵鋫鬏數(shù)饺罩尽?/p>

我使用Sqlalchemy。我就是這么寫(xiě)的sqlalchemy.exc公司import IntegrityError

類(lèi)XxxPipeline（object）：

定義進(jìn)程項(xiàng)目（self，Item，spider）：]會(huì)話(huà).add（）

#….

試試看：會(huì)話(huà).提交（）

打印“爬網(wǎng)%s完成！“%item[”URL“

]除了完整性錯(cuò)誤：

print”skip%s.”%item[”URL“

]return item

盡管每次都會(huì)重復(fù)爬網(wǎng)某些數(shù)據(jù)，但最終結(jié)果庫(kù)中不會(huì)有相同的URL。

對(duì)于小型爬蟲(chóng)，重復(fù)爬蟲(chóng)的成本可以忽略不計(jì)。