1. 前言

大家好，介绍架我是取代安果！

众所周知，虫框Python 最流行的介绍架爬虫框架是 Scrapy，它主要用于爬取网站结构性数据

今天推荐一款更加简单、取代轻量级，虫框且功能强大的介绍架爬虫框架：feapder

项目地址：

https://github.com/Boris-code/feapder

2. 介绍及安装

和 Scrapy 类似，feapder 支持轻量级爬虫、取代分布式爬虫、虫框批次爬虫、介绍架爬虫报警机制等功能

内置的取代 3 种爬虫如下：

 AirSpider

    轻量级爬虫，适合简单场景、虫框数据量少的介绍架爬虫

 Spider

    分布式爬虫，基于 Redis，取代适用于海量数据，云南idc服务商虫框并且支持断点续爬、自动数据入库等功能

 BatchSpider

    分布式批次爬虫，主要用于需要周期性采集的爬虫

在实战之前，我们在虚拟环境下安装对应的依赖库 

# 安装依赖库  pip3 install feapder 

3. 实战一下

我们以最简单的 AirSpider 来爬取一些简单的数据

目标网站：aHR0cHM6Ly90b3BodWIudG9kYXkvIA==

详细实现步骤如下（ 5 步）

3-1  创建爬虫项目

首先，我们使用「 feapder create -p 」命令创建一个爬虫项目 

# 创建一个爬虫项目  feapder create -p tophub_demo 

3-2  创建爬虫 AirSpider

命令行进入到 spiders 文件夹目录下，使用「 feapder create -s 」命令创建一个爬虫 

cd spiders  # 创建一个轻量级爬虫  feapder create -s tophub_spider 1 

其中

 1 为默认，表示创建一个轻量级爬虫 AirSpider  2 代表创建一个分布式爬虫 Spider  3 代表创建一个分布式批次爬虫 BatchSpider

3-3  配置数据库、创建数据表、创建映射 Item

以 Mysql 为例，首先我们在数据库中创建一张数据表 

# 创建一张数据表  create table topic  (      id         int auto_increment          primary key,      title      varchar(100)  null comment 文章标题,      auth       varchar(20)   null comment 作者,      like_count     int default 0 null comment 喜欢数,      collection int default 0 null comment 收藏数,      comment    int default 0 null comment 评论数  ); 

然后，打开项目根目录下的 settings.py 文件，配置数据库连接信息 

# settings.py  MYSQL_IP = "localhost"  MYSQL_PORT = 3306  MYSQL_DB = "xag"  MYSQL_USER_NAME = "root"  MYSQL_USER_PASS = "root" 

最后，创建映射 Item（ 可选 ）

进入到 items 文件夹，使用「 feapder create -i 」命令创建一个文件映射到数据库

PS：由于 AirSpider 不支持数据自动入库，所以这步不是企商汇必须

3-4  编写爬虫及数据解析

第一步，首先使「 MysqlDB 」初始化数据库 

from feapder.db.mysqldb import MysqlDB  class TophubSpider(feapder.AirSpider):      def __init__(self, *args, **kwargs):          super().__init__(*args, **kwargs)          self.db = MysqlDB() 

第二步，在 start_requests 方法中，指定爬取主链接地址，使用关键字「download_midware 」配置随机 UA 

import feapder  from fake_useragent import UserAgent  def start_requests(self):      yield feapder.Request("https://tophub.today/", download_midware=self.download_midware)  def download_midware(self, request):      # 随机UA      # 依赖：pip3 install fake_useragent      ua = UserAgent().random      request.headers = {User-Agent: ua}      return request 

第三步，爬取首页标题、链接地址

使用 feapder 内置方法 xpath 去解析数据即可 

def parse(self, request, response):      # print(response.text)      card_elements = response.xpath(//div[@class="cc-cd"])      # 过滤出对应的卡片元素【什么值得买】      buy_good_element = [card_element for card_element in card_elements if                          card_element.xpath(.//div[@class="cc-cd-is"]//span/text()).extract_first() == 什么值得买][0]      # 获取内部文章标题及地址      a_elements = buy_good_element.xpath(.//div[@class="cc-cd-cb nano"]//a)      for a_element in a_elements:          # 标题和链接          title = a_element.xpath(.//span[@class="t"]/text()).extract_first()          href = a_element.xpath(.//@href).extract_first()          # 再次下发新任务，并带上文章标题          yield feapder.Request(href, download_midware=self.download_midware, callback=self.parser_detail_page,                                titletitle=title) 

第四步，爬取详情页面数据

上一步下发新的任务，通过关键字「 callback 」指定回调函数，最后在 parser_detail_page 中对详情页面进行数据解析 

def parser_detail_page(self, request, response):      """      解析文章详情数据      :param request:      :param response:      :return:      """      title = request.title      url = request.url      # 解析文章详情页面，获取点赞、收藏、评论数目及作者名称      author = response.xpath(//a[@class="author-title"]/text()).extract_first().strip()      print("作者：", author, 文章标题:, title, "地址：", url)      desc_elements = response.xpath(//span[@class="xilie"]/span)      print("desc数目:", len(desc_elements))      # 点赞      like_count = int(re.findall(\d+, desc_elements[1].xpath(./text()).extract_first())[0])      # 收藏     collection_count = int(re.findall(\d+, desc_elements[2].xpath(./text()).extract_first())[0])      # 评论      comment_count = int(re.findall(\d+, desc_elements[3].xpath(./text()).extract_first())[0])      print("点赞：", like_count, "收藏:", collection_count, "评论:", comment_count) 

3-5  数据入库

使用上面实例化的数据库对象执行 SQL，将数据插入到数据库中即可 

# 插入数据库  sql = "INSERT INTO topic(title,auth,like_count,collection,comment) values(%s,%s,%s,%d,%d)" % (  title, author, like_count, collection_count, comment_count)  # 执行  self.db.execute(sql) 

4. 最后

本篇文章通过一个简单的实例，聊到了 feapder 中最简单的亿华云爬虫 AirSpider