1. 前言
大家好，我是安果！
众所周知，Python 最流行的爬虫框架是 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、轻量级，且功能强大的爬虫框架：
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、分布式爬虫、批次爬虫、爬虫报警机制等功能
内置的 3 种爬虫如下：
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
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，所以这步不是必须
3-4
编写爬虫及数据解析
第一步，首先使「
M
ysqlDB
」
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,
title=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
