Scrapy爬虫实战项目【001】 - 抓取猫眼电影TOP100

爬取猫眼电影TOP100

参考来源：静觅丨崔庆才的个人博客 https://cuiqingcai.com/5534.html

目的：使用Scrapy爬取猫眼电影TOP100并保存至MONGODB数据库

目标网址：http://maoyan.com/board/4?offset=0

分析/知识点：

1. 爬取难度：
   a. 入门级，网页结构简单，静态HTML，少量JS，不涉及AJAX；
   b. 处理分页需要用到正则；

2. MONGODB的update语句使用：
   a. update语句：具备查重/插入新数据功能，以title为查重标准

def process_item(self, item, spider):
    self.db['movies'].update({
  'title': item['title']}, {
  '$set': item}, upsert=True) #注意upsert=True，更新并插入
    return item

实际步骤：

1) 创建Scrapy项目/maoyan(spider)

Terminal: > scrapy startproject maoyan_movie
Terminal: > scrapy genspider maoyan maoyan.com/board/4?offset=   

2) 配置settings.py文件

# MONGODB配置
MONGO_URI = 'localhost'