豆瓣电影top250爬取并保存在MongoDB里

首先回顾一下MongoDB的基本操作：

 

数据库，集合，文档
db,show dbs,use 数据库名,drop 数据库
db.集合名.insert({})
db.集合名.update({条件},{$set:{}},{multi:true})
db.集合名.remove({条件})
db集合名.find({条件},{投影}).limit().skip().sort().count().distinct()

数据库 增加 修改 删除 查询
mysql	insert update delete select
redis	set	set	del	get
mongodb	insert	update	remove	find,aggregate

string
hash
list
set
zset

增加
mysql:insert into 表名(列) values(值)
mongo:db.集合名.insert({})

修改：
mysql:update 表名 set 列=值 where 条件
mongo:db.集合名.update({条件},{值$set},{是否修改多条})

删除：
mysql:delete from 表名 where ....
mongo:db.集合名.remove({条件},{是否删除多条})

查询：
db.stu.find({},{})
比较运算符，逻辑运算符，$where
limit(),skip(),sort(),count(),distinct()

　

 

　

 

 

 

首先使用xpath提取出要爬取的信息：我们这个项目需要爬取的信息有：标题，信息，评分，简介

 

第一页链接：https://movie.douban.com/top250

第二页链接：https://movie.douban.com/top250?start=25&filter=

第三页链接：https://movie.douban.com/top250?start=50&filter=

规律：https://movie.douban.com/top250?start=\d+&filter=

 

标题：//a/span[@class="title"][1]

信息：//div[@class="bd"]/p[1]/text()

评分：//div[@class="star"]/span[2]/text()

简介：//span[@class="inq"]/text()

 

 

然后使用sscrapy startproject douban   创建项目

              sscrapy genspider dopuban  movie.douban.com

然后依次编写下面的文件：

items.py

doubanmovie.py

settings.py

pipelines.py

 

 

 

转载于:https://www.cnblogs.com/lmx123/p/9246716.html