本人學習參考的是博主崔慶才的系列教程
當然是比我寫的詳細的多啦，下面是我自己總結的學習過程
簡介
我們來看看要獲取的電影信息的網址
肖申克的救贖?https://movie.douban.com/subject/1292052/
霸王別姬 ?https://movie.douban.com/subject/1291546/
這個殺手不太冷 https://movie.douban.com/subject/1295644/
第一頁 https://movie.douban.com/top250?start=0&filter=
第二頁 https://movie.douban.com/top250?start=25&filter=
……
都很有規律不是嗎？而在Scrapy里面，就可以設定我們想要的規律，Scrapy就可以對這些符合規律的網址及頁面信息進行處理。先來看看成果吧，這一部分中，我們想要的結果就是輸出排行榜里面的電影名稱：
而且我們其實可以做的更好。
安裝
管理員命令行模式下輸入
Pip install scrapy
開始安裝 之前我出現的問題是沒有安裝依賴的庫?
先來一個
Pip install lxml
即可 出現問題勤用搜索引擎
項目初始化
建立一個文件夾douban，并在這個文件夾處開啟cmd 輸入
Scrappy startproject db
Pycharm用這個文件夾創建Project，douban/db處創建一個方便IDE運行的文件run.py?
輸入
from scrapy.cmdline import execute
execute(['scrapy', 'crawl', 'douban'])
打開douban/db/items.py，如該文件的名字，這個是我們從豆瓣這個“倉庫”里取出來的“貨”，我們想要的是什么“貨”呢？電影名字。
classDbItem(scrapy.Item):
? ? name=scrapy.Field()
douban/db/db/spiders下創建spider.py，這個文件用來爬取網頁，處理網址，我們需要告訴他我們想去的“倉庫”該怎么走，該怎么爬。
“倉庫”的入口是start_urls，走路的規則是必須沿著allow這個參數規定的網址和規律（這里參考正則表達式 注意轉義符\?）走，找到地點之后交給parse_item這個人來干活，follow=True表示順蔓摸瓜，某一個地點的相連的地點同樣要去拜訪一下。
這里這些地點就是
第一頁https://movie.douban.com/top250?start=0&filter=
第二頁https://movie.douban.com/top250?start=25&filter=
……等等“
“貨物”信息的獲取
下面輪到parse_item這個人來干活了，他需要從上述指定地點找到我們要的“貨物”的信息，“貨物”位于何處可以通過Xpath來查找。網頁上點右鍵查看源代碼，被給包住了，Xpath的功能就是通過這些標簽來找到特定信息。
瀏覽器F12打開調試控制臺，
指到該信息處，右側就會顯示出對應的代碼
點右鍵有個好東西，
這個就可以拿來用啦。不幸的是，Scrapy經常不能識別出來，所以我們還需要會一點Xpath的語法（查一查10分鐘搞定），參考Copy的自己修改一下。這里推薦Chrome的Xpath Helper這個插件，可以查看自己寫的Xpath正不正確。
def parse_item(self,response):
name=response.xpath('//*[@class="title"][1]')
print(name)
好了，測試一下，運行run.py出現以下問題，403 forbidden，網站懷疑我們是機器人操作，
于是在setting.py里面偽裝我們是瀏覽器的正常操作，
增加一個
'User-Agent': "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"
即可。
成功啦！
總結
Scrapy可用來爬特定規則的網址，并進行處理；allow、follow等參數告訴程序如何“順蔓摸瓜”；Xpath可方便的找出網頁中的信息，本文舉到的例子僅僅是提取電影名，我們其實如文章一開始的圖片可以做的更豐富一些，對分數、演員、導演等加入一些判斷，選擇我們需要的電影。
本項目代碼：
