0x00 前言

有时候我们不想只爬一个页面的，比如之前我只爬了主页，但是现在想把其他页面的也爬下来，这就是本文的任务。

0x01 修改代码

在之前的基础上，修改 teamssix_blog_spider.py 文件，首先添加 start_urls

start_urls = [   'https://www.teamssix.com',   'https://www.teamssix.com/page/2/',   'https://www.teamssix.com/page/3/',   'https://www.teamssix.com/page/4/',   'https://www.teamssix.com/page/5/']

接下来在 sub_article 函数尾部添加 parse 函数的全部代码
soup = BeautifulSoup(response.text, 'html.parser')for i in soup.select('.post-title'):   url = 'https://www.teamssix.com{}'.format(i['href'])   yield scrapy.Request(url, callback=self.sub_article)

所以 sub_article 函数的完整代码就是这个样子：
def sub_article(self,response):   soup = BeautifulSoup(response.text,'html.parser')   title = self.article_title(soup)   list = self.article_list(soup)   print(title)   item = TeamssixItem(_id = response.url,title = title,list = list)   yield item
   soup = BeautifulSoup(response.text, 'html.parser')   for i in soup.select('.post-title'):      url = 'https://www.teamssix.com{}'.format(i['href'])      yield scrapy.Request(url, callback=self.sub_article)

从最后一行 callback=self.sub_article 这里不难看出这里其实就是一个循环， sub_article 函数第一遍执行完，又会调用继续执行第二遍，直到 start_urls 被执行完。
0x02 运行
代码修改的就这些，接下来直接 scrapy crawl blogurl 运行代码，来到 robo 3T 看看爬取到的数据。


最终在这些 start_urls 中爬取下来了 43 篇文章，Emm，还行。
这次的 Scrapy 学习笔记就更新到这里，这个项目的代码已经放在了我的 GitHub 里，项目链接已经放在了下面。

项目地址：https://github.com/teamssix/scrapy_study_notes
参考链接：
https://youtu.be/aDwAmj3VWH4
http://doc.scrapy.org/en/latest/topics/architecture.html



往期推荐
3、利用 Scrapy 爬取博客文章详细信息

4、数据项介绍和导出文件

5、利用 pipelines 和 settings 将爬取数据存储到 MongoDB






原文始发于微信公众号（TeamsSix）：Python Scrapy 爬虫框架 | 6、继续爬虫、终止和重启任务