我的scrapy爬虫,一直爬,一直爽
1.python(注意自己安装的版本)
2.lxml
3.Twisted
4.zope.interface
5.PyOpenSSL
6.pywin32
当面对一些包不能用
pip install XXX
的形式安装时,要到whl文件安装whl文件,下载地址https://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml。注意,要找到与你安装的ppython版本一致的文件。通过whl文件安装,首先要安装wheel包。把下载好的whl文件放到python的Lib目录下,最后到cmd下运行
pip install XXX.whl
即可。
MongoDB
1.安装:下载连接https://www.mongodb.com/download-center?jmp=nav#community
2.配置环境变量,把mongodb下的bin的安装目录设置为环境变量。可以打开cmd测试有没有配置好
3.先在mongodb安装文件下找到data文件,并在里边创建db文件,这个文件将是以后存放数据的地方,在cmd在运行以下命令,打开数据库服务器
#设置db为数据存放路径,注意代码块里边的地址是db文件夹的地址,这个命令是打开数据库服务器的。每次要打开数据库服务器都要运行这条命令。 #在浏览器输入http://localhost:27017/
#若显示:It looks like you are trying to access MongoDB over HTTP on the native driver port. 表示成功连接 27017是默认本地端
3.下面就可以启动数据库的客户端,由于我们设置了mongodb为环境变量,所以可以在cmd直接输入(注意要保持打开的mongodb数据库端口不能关闭):
mongo #启动数据库客户端,注意,要先打开数据库服务器后才能打开数据库客户端,数据库客户端是用来对数据进行增删改查的,
MongoDB的基本操作
服务器(serve):一个服务器可以有多个数据库
数据库(database):一个数据库可以多个集合
集合(collection):一个集合可以多个文件,数据库和集合不需要单独创建
文档(document):数据就在文档里,操作也在这里
show dbs #显示所有数据库
use 数据库名 #进入指定数据库
db #显示当前数据库
show collections
1、http://mongovue.software.informer.com/download/ 下载官方mongovue工具(可视化管理工具)
爬虫实例步骤
1.创建爬虫项目
打开cmd,进入所要创建爬虫项目的文件夹,运行以下命令,创建爬虫项目
D:\scrapy>scrapy startproject bouban
2.进入爬虫项目,创建爬虫文件,爬虫文件命令要包括爬虫名和所爬网站的域名
scrapy genspider douban_spider movie.douban.com #创建爬虫文件,此处包括爬虫文件名和网站域名
3.在代码编辑器(这里选择sublime text)打开创建好的项目文件,编写相关的代码块
##item,item作用是提前设定好需要爬取的变量名
import scrapy
class DoubanItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
serial_number = scrapy.Field()
movie_name = scrapy.Field()
# introduce = scrapy.Field()
# star = scrapy.Field()
evaluate = scrapy.Field()
# describe = scrapy.Field()
##setting文件常用设置
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'##更该代理,chrome浏览器->F12->F5->top250->header->user_agent,找到替换就行
ROBOTSTXT_OBEY = False##爬虫遵循规则
LOG_LEVEL = 'WARN'##日志显示水平等级
ITEM_PIPELINES = {
'douban.pipelines.DoubanPipeline': 300,
}###运用管道的时候要用到
FEED_EXPORT_ENCODING = 'UTF-8'#用cmd命令输出文件时格式
###spider.py
# -*- coding: utf-8 -*-
import scrapy
import sys
import os
fpath