爬虫入门到精通_框架篇13(PySpider框架基本使用及抓取TripAdvisor实战)

爬虫入门到精通_框架篇13(PySpider框架基本使用及抓取TripAdvisor实战)_PySpider下载安装，项目实战

1 PySpider框架基本用法

PySpider框架：

去重处理
PyQuery提取
错误重试
多进程处理
代理简洁
JavaScript渲染
结果监控
WebUI管理

安装PySpider:

pip install pyspider

报错：

在这里插入图片描述
主要是async是python3.7的保留字，pyspider库中的有些文件与之重复而出现报错，就三个文件，这三个文件的找法可以参照《windows客户端pip安装pyspider完全指南（SyntaxError:invalid syntax、async语法报错、非引用替换关键字、全局查找针对性替换、Pycharm）》，async的具体位置在pycharm中会有红色标注，替换的词可以任意选择，我就在后面加了一个下划线即“async_”；
更改：run.py中async -> async_,继续报下面的错：
在这里插入图片描述
原因分析：无法从“集合”导入名称“映射”，因为Python3.10版本以后对requests 库进行调整，collections中不能直接调用方法Mapping，MutableMapping办法就是：找到引用collections模块的__init__.py文件，调整从abc导入：
本例的路径是 D:\Program Files\Python\lib\collections_init_.py

# 将这两句
from collections import Mapping 
from collections import MutableMapping

# 替换为以下两句
from collections.abc import Mapping
from collections.abc import MutableMapping
# 即用collections.abc代替collections调用方法Mapping、MutableMapping

在这里插入图片描述
更改后，继续报错：
phantomjs not found, continue running without it.
解决：需要下载phantomjs，然后把phantomjs.exe文件复制到与python.exe文件同一目录下，继续报错：
phantomjs fetcher running on port 25555。
解决：版本太高，错误较多

更换版本：Python36

报错：
在这里插入图片描述
原因：wsgidav版本过高，
解决：执行命令
pip install wsgidav2.4.1

原因：werkzeug版本过高
解决：执行命令
pip install werkzeug0.16.1

原因：flask版本过高
解决：执行命令
pip install flask1.0

查了下是因为urllib3或chardet版本过高，与支持的版本不匹配
查看对应的__init__.py文件内的说明：
在这里插入图片描述
解决：执行命令
pip install urllib31.26.0
pip install chardet==4.0

2 PhantomJS下载

在这里插入图片描述

3 demo示例

create:
在这里插入图片描述
效果：

4 项目实战(抓取TripAdvisor)

爬取伦敦景点地标

在这里插入图片描述

项目说明

步骤1：创建项目
在这里插入图片描述
步骤2：输入地址

因为证书报错：

后续直接用视频里的截图。

步骤3：
点击图中位置，将所有该界面的http的链接查找(index_page())出来.
在这里插入图片描述
步骤4：
点击上述任一链接，显示tile和url。

步骤5：
点击web，出现浏览器上的效果

步骤6：
点击html，可直接查看标签元素

步骤7：
有些不需要的href，更改成tile查找。

步骤8：
更改detail_page,用选择器获取详情页信息。
在这里插入图片描述
步骤9：
存入数据库

效果：

步骤10：
点击下一页