爬虫框架pyspider学习笔记二

pyspider初步爬取一个网站

注意事项

  1. 'itag':"v101"可以保证去重,在pyspide的dashboar点击点击run的时候不执行爬取,修改这个版本号就可以了。
    

直接上代码

from pyspider.libs.base_handler import *
import os

import pymongo
import pandas as pd
import numpy as np
import time
import json

DATABASE_IP = '127.0.0.1'
DATABASE_PORT = 27017
DATABASE_NAME = 'touzi'
client = pymongo.MongoClient(DATABASE_IP,DATABASE_PORT)
db = client.touzi
collection = db.zifang  # 准备插入数据


class Handler(BaseHandler):
    crawl_config = {
    
        'itag':"v101"
    }

    @every(minutes=24 * 60)
    def on_start(self):
        self.crawl('https://zijin.trjcn.com/list_1000.html', callback=self.index_page,validate_cert=False)

    @config(age=10 * 24 * 60 * 60)
    def index_page(self, response):
        for page in range(2,5):   
            self.crawl('https://zijin.trjcn.com/list_1000_p{}.html?'.format(page), callback=self.detail_page,validate_cert=False)

    @config(priority=2)
    def detail_page(self, response):
        docs = response.doc(".ui-bg-white > .j-hover-all").items()
        dicts = []
        for item in docs:
            title = item(".J_btn_dl_deliver").attr('data-title')
            diqu = "".join(item("span").eq(3).text().split())[5:]
            hangye = "".join(item("span").eq(4).text().split())[5:]
            money = item(".part-money-text-list >span >em").text()
            dicts.append({
                "title":title,
                "money":money,
                "diqu":diqu,
                "hangye":hangye
                
            })
        return dicts
    
    def on_result(self,result):
        if result:
            self.save_to_mongo(result)            

    def save_to_mongo(self,result):
        df = pd.DataFrame(result)
        content = json.loads(df.T.to_json()).values()
        if collection.insert_many(content):
            print('存储到 mongondb 成功')






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

网络安全王家楠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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