Scrapy是一个强大的爬虫框架，广泛用于从网站上提取结构化数据。下面这段代码是Scrapy爬虫的一个例子，用于从新闻网站上提取和分组新闻数据。

使用场景

在新闻分析和内容聚合的场景中，收集和组织新闻数据是常见需求。例如，如果我们需要为用户提供按日期分类的新闻更新，或者我们想分析特定时间段内的新闻趋势，这段代码就非常适合。

页面截图

结构截图

代码注释解释

# Scrapy爬虫的parse方法，用于处理响应并提取信息

def parse(self, resp, **kwargs):

grouped_news_items = [] # 存储所有分组的新闻条目

children = resp.xpath('//div[@class="news-list"]/*') # 获取新闻列表中的所有子元素

current_group = [] # 当前日期下的新闻条目集合

current_date = None # 当前新闻条目的日期

# 遍历新闻列表中的每个子元素

for child in children:

# 如果子元素是日期标签，更新current_date并将之前的新闻组添加到grouped_news_items

if 'news-date' in child.xpath('@class').get(''):

if current_group:

grouped_news_items.append((current_date, current_group))

current_group = []

current_date = child.xpath('normalize-space(text())').get()

# 如果子元素是新闻条目，提取相关信息并添加到current_group

elif 'news-item' in child.xpath('@class').get(''):

news_info = {

'title': child.xpath('./div/h2/a/text()').extract_first(), # 新闻标题

'link': child.xpath('./div/h2/a/@href').extract_first(), # 新闻链接

'source_name': child.xpath('./div/p/span/text()').extract()[1].strip(), # 来源名称

'source_img': child.xpath('./div/p/span/img/@data-src').extract_first() # 来源图标

}

current_group.append(news_info)

# 将最后一个日期的新闻条目集合添加到grouped_news_items

if current_group:

grouped_news_items.append((current_date, current_group))

# 生成Scrapy Item，并通过yield返回

for date, items in grouped_news_items:

for item in items:

an = AiNewsItem() # Scrapy Item对象，用于存储新闻信息

an['time_str'] = date

an['title'] = item['title']

an['source_name'] = item['source_name']

an['source_img'] = item['source_img']

an['link'] = item['link']

yield an

精彩文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：