使用pyspider框架抓取猫途鹰旅游信息

这里通过pyspider框架

可以直接:pip3 install pyspider 下载框架

pyspider all 运行 可以看到 run 0.0.0.0:5000

直接在浏览器输入localhost:5000 进入 创建新项目 

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2018-08-03 09:59:05
# Project: TripAdcisor

from pyspider.libs.base_handler import *
#import ssl
import pymongo

#ssl._create_default_https_context=ssl._create_unverified_context

class Handler(BaseHandler):
    crawl_config = {
    }
    conn = pymongo.MongoClient('localhost')
    db = conn.trip
    myset = db.london
    @every(minutes=24 * 60)
#on_start 启动目标主网站,validate_cert = False跳过证书检测,callback回调函数
    def on_start(self):
        self.crawl('https://www.tripadvisor.cn/Attractions-g186338-Activities-c47-London_England.html', callback=self.index_page,validate_cert = False)

    @config(age=10 * 24 * 60 * 60)
#通过内置pyquery 获取目标网页的连接遍历 分别访问,并回调
    def index_page(self, response):
        for each in response.doc('.listing_title > a').items():
            self.crawl(each.attr.href, callback=self.detail_page,validate_cert = False)
#获取下一页链接地址访问并回调自身
        next = response.doc('#FILTERED_LIST > div.al_border.deckTools.btm > div > div > a').attr.href
        print(next)
        self.crawl(next,callback= self.index_page,validate_cert=False)

    @config(priority=2)
#获得每个链接的的详细信息返回
    def detail_page(self, response):
        url = response.url
        name = response.doc('.heading_title').text()
        rating = response.doc('div.rating > .more').text()
        location = response.doc('#taplc_attraction_detail_listing_0 > div.section.location > div.detail_section.address').text()[2:]
        phone = response.doc('.phone > div').text()
        durtion = response.doc('.hours > .duration').text()
        
        return {
            
            'name':name,
            'rating':rating,
            'location':location,
            'phone':phone,
            'durtion':durtion,
            'url':url
        }
#重写on_result方法 保存至数据库
    def on_result(self,result):
        if result:
            self.save_to_mongo(result)
    def save_to_mongo(self,result):
        if self.myset.insert(result):
            print('save ok!',result)
        

运行时将status 调至running 或者debug    run即可

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值