python网络爬虫从入门到实践目录（小白学Python爬虫）

威哥 2023-08-13 23:07:25 826

python网络爬虫从入门到实践目录（小白学Python爬虫）小白学 Python 爬虫（5）：前置准备（四）数据库基础小白学 Python 爬虫（4）：前置准备（三）Docker基础入门小白学 Python 爬虫（1）：开篇小白学 Python 爬虫（2）：前置准备（一）基本类库的安装小白学 Python 爬虫（3）：前置准备（二）Linux基础入门

python网络爬虫从入门到实践目录（小白学Python爬虫）(1)

人生苦短，我用 Python

如果我的文章对您有帮助，请关注支持下作者的公众号：极客挖掘机，您的关注，是对小编坚持原创的最大鼓励：）

前文传送门：

小白学 Python 爬虫（1）：开篇

小白学 Python 爬虫（2）：前置准备（一）基本类库的安装

小白学 Python 爬虫（3）：前置准备（二）Linux基础入门

小白学 Python 爬虫（4）：前置准备（三）Docker基础入门

小白学 Python 爬虫（5）：前置准备（四）数据库基础

小编，你还有完没完！！！前置准备都准备这么多了，还不开始正文！！！

别急别急，前置准备的最后一篇了，我们这几篇总共介绍了基本类库的安装、 Linux 基础、 Docker 基础和本篇的爬虫框架的安装。主要是内容有些多，小编怕写在一起各位同学看不下去，所以才分成多篇内容（悄悄的说，这样小编也能多推几天嘛）。

pyspider 安装

pyspider 是由国人 binux 开源的强大的网络爬虫框架。 pyspider 自带 WebUI （这个很关键），这样我们可以实时的看到更多的数据，并且它还带有脚本编辑器、任务监控器、项目管理器以及结果处理器，同时支持多种数据库后端、多种消息队列，还支持JavaScript渲染页面的爬取，异常强大。

Github 链接： https://github.com/binux/pyspider

官方文档： http://docs.pyspider.org/

开始安装，我们还是使用 pip 进行安装：

pip install pyspider

如果各位是跟着小编一步一步装环境的话，这里应该会报错。会报我们安装 pycurl 失败。这里我们需要使用 wheel 进行安装。

第一步，安装 wheel 。

pip install wheel

下载 pycurl 的 wheel 文件进行安装，下载站点：http://www.lfd.uci.edu/~gohlke/pythonlibs/ ，找到对应的 wheel 文件版本。比如小编这里的电脑是 win64 ， python3.7 ，那么就下载 pycurl‑7.43.0.3‑cp37‑cp37m‑win_amd64.whl 这个文件。

小编这里将下载好的文件放到了 D 盘的跟目录，顾使用以下命令安装。

pip install D:\pycurl-7.43.0.3-cp37-cp37m-win_amd64.whl

安装完成后，重新执行上面的安装语句。

pip install pyspider

静静等待进度条读完，完成后可以直接在命令行下启动 pyspider ，命令如下：

pyspider all

然后发现，启动报错了，错误内容如下：

SyntaxError: invalid syntax

因为 async 和 await 从 python3.7 开始已经加入保留关键字中。所以async不能作为函数的参数名。

所以我们需要修改 pyspider 代码中有用到 async 的地方，具体路径为：

修改 %homepath%\AppData\Local\Programs\Python\Python37\Lib\site-packages\pyspider\ 路径下的 python 文件中的 async 为 async1 （全部替换）

run.py
fetcher\tornado_fetcher.py
webui\app.py

修改完成后，再执行 pyspider all ，发现还是报错，这不过这次的错误换成了：

ValueError: Invalid configuration: - Deprecated option 'domaincontroller': use 'http_authenticator

原因是因为 WsgiDAV 发布了版本 pre-release 3.x。

解决办法：

还是在刚才的路径中找到webui文件里面的 webdav.py 文件打开，修改第 209 行。

将：

'domaincontroller': NeedAuthController(app)

修改为：

'http_authenticator':{ 'HTTPAuthenticator':NeedAuthController(app) }

然后再执行 pyspider all ，发现还是起不来，这是因为 pyspider 有依赖 PhantomJS ，我们再去下载 PhantomJS 进行安装，下载路径为：https://phantomjs.org/download.html ，下载完成后，从压缩包中将可执行文件 phantomjs.exe 放入 %homepath%\AppData\Local\Programs\Python\Python37\Scripts ，有没有感觉很熟悉，对嘞，这个和之前的 Chrome 的驱动文件放的是同一个位置。

这次我们输入 pyspider all 进行启动，这次应该可以启动成功，然后打开浏览器访问：http://localhost:5000/ ，可以看到如下页面：

python网络爬虫从入门到实践目录（小白学Python爬虫）(2)

证明我们的 pyspider 已经安装成功了。

scrapy 安装

Scrapy 这个就不用我介绍了吧，鼎鼎大名，接下来我们主要介绍安装过程。

Scrapy 官网： https://scrapy.org/

各位同学的电脑环境应该和小编的相差不远（如果是使用 win10 的话），小编也没有背着各位同学装过其他东西。

python网络爬虫从入门到实践目录（小白学Python爬虫）(3)

安装命令：

pip install scrapy

由于 Scrapy 依赖了大量的第三方的包，所以在执行上面的命令后并不会马上就下载 Scrapy ，而是会先不断的下载第三方包，包括并不限于以下几种：

pyOpenSSL：Python 用于支持 SSL（Security Socket Layer）的包。
cryptography：Python 用于加密的库。
CFFI：Python 用于调用 C 的接口库。
zope.interface：为 Python 缺少接口而提供扩展的库。
lxml：一个处理 XML、HTML 文档的库，比 Python 内置的 xml 模块更好用。
cssselect：Python 用于处理 CSS 选择器的扩展包。
Twisted：为 Python 提供的基于事件驱动的网络引擎包。
......

等待命令执行完成后，直接输入 scrapy 进行验证。

Scrapy 1.8.0 - no active project Usage: scrapy <command> [options] [args] Available commands: bench Run quick benchmark test fetch Fetch a URL using the Scrapy downloader genspider Generate new spider using pre-defined templates runspider Run a self-contained spider (without creating a project) settings Get settings values shell Interactive scraping console startproject Create new project version Print Scrapy version view Open URL in browser as seen by Scrapy [ more ] More commands available when run from project directory Use "scrapy <command> -h" to see more info about a command

如果能正常出现以上内容，说明我们已经安装成功了。

因为小编电脑安装 Scrapy 未出现其他问题，一切都很顺利，无法做其他有问题情况的演示，理论上 Scrapy 安装出现各种问题才算正常情况，小编这种一次过的只能说是运气好。

python网络爬虫从入门到实践目录（小白学Python爬虫）(4)