代碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.selector import Selector

from cnbeta.items import CnbetaItem
class CBSpider(CrawlSpider):
    name = 'cnbeta'
    allowed_domains = ['cnbeta.com']
    start_urls = ['//www.jb51.net']

    rules = (
        Rule(SgmlLinkExtractor(allow=('/articles/.*/.htm', )),
             callback='parse_page', follow=True),
    )

    def parse_page(self, response):
        item = CnbetaItem()
        sel = Selector(response)
        item['title'] = sel.xpath('//title/text()').extract()
        item['url'] = response.url
        return item


實現蜘蛛爬蟲步驟

1.實例初級目標：從一個網站的列表頁抓取文章列表，然后存入數據庫中，數據庫包括文章標題、鏈接、時間

首先生成一個項目:scrapy startproject fjsen
先定義下items,打開items.py:

我們開始建模的項目，我們想抓取的標題，地址和時間的網站，我們定義域為這三個屬性。這樣做，我們編輯items.py，發現在開放目錄目錄。我們的項目看起來像這樣：

代碼如下:
from scrapy.item import Item, Field
class FjsenItem(Item):
    # define the fields for your item here like:
    # name = Field()
    title=Field()
    link=Field()
    addtime=Field()

第二步：定義一個spider,就是爬行蜘蛛（注意在工程的spiders文件夾下），他們確定一個初步清單的網址下載，如何跟隨鏈接，以及如何分析這些內容的頁面中提取項目（我們要抓取的網站是http://www.fjsen.com/j/node_94962.htm 這列表的所有十頁的鏈接和時間）。
新建一個fjsen_spider.py,內容如下：

代碼如下:
#-*- coding: utf-8 -*-
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from fjsen.items import FjsenItem
class FjsenSpider(BaseSpider):
    name="fjsen"
    allowed_domains=["fjsen.com"]
    start_urls=['http://www.fjsen.com/j/node_94962_'+str(x)+'.htm' for x in range(2,11)]+['http://www.fjsen.com/j/node_94962.htm']
    def parse(self,response):
        hxs=HtmlXPathSelector(response)
        sites=hxs.select('//ul/li')
        items=[]
        for site in sites: