【学习记录】Scrapy爬取豆瓣数据储存到MySQL库中(数据遗漏问题待解决)

Windows 10 系统,Python 3.7
爬取豆瓣读书top250所有的书名,作者,评分,简介,将数据保存至MySQL库中。
网址链接:https://book.douban.com/top250

  • 待解决问题:数据爬取有缺失,只爬取到了187组数据

一、创建数据库及数据表

1、创建数据库:

create database douban charset=utf8;

2、在数据库下创建数据表:

create table douban_top250(
	id int unsigned auto_increment primary key not null,
	name varchar(100),
	author varchar(50),
	score varchar(3),
	introduction text,
	is_delete bit not null default 0
	);

二、创建scrapy项目

在本地终端打开你想创建项目的文件夹,输入命令行:

scrapy startproject douban_read

1、定义item

import scrapy

class DoubanReadItem(scrapy.Item):
    # 书名
    name = scrapy.Field(
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
爬取豆瓣的多页数据,可以使用Scrapy框架,并且需要了解一些XPath语法。 首先,打开豆瓣电影的页面,可以看到每一页的URL都有一个类似于这样的格式:https://movie.douban.com/top250?start=25&filter= 。其中,start参数表示从第几个电影开始,每页显示25个电影。所以,我们可以通过改变start参数的值来获取不同页的电影数据。 接下来,我们可以创建一个Scrapy项目,并且在spider中编写爬虫代码。代码如下: ```python import scrapy class DoubanSpider(scrapy.Spider): name = "douban" allowed_domains = ["douban.com"] start_urls = [ "https://movie.douban.com/top250" ] def parse(self, response): # 获取下一页的URL,并交给parse继续抓取数据 next_page = response.xpath('//span[@class="next"]/a/@href') if next_page: url = response.urljoin(next_page[0].extract()) yield scrapy.Request(url, self.parse) # 解析当前页面的电影数据 for movie in response.xpath('//div[@class="info"]'): yield { 'title': movie.xpath('div[@class="hd"]/a/span[@class="title"]/text()').extract_first(), 'rating': movie.xpath('div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()').extract_first(), 'quote': movie.xpath('div[@class="bd"]/p[@class="quote"]/span/text()').extract_first(), } ``` 在这个代码中,我们首先定义了爬虫的名称、允许爬取的域名和起始URL。然后,在parse方法中,我们先获取下一页的URL,并通过yield关键字交给Scrapy继续抓取数据。接着,我们使用XPath语法解析当前页面的电影数据,并通过yield关键字将数据返回。最后,Scrapy会将所有的数据保存到一个JSON文件中。 最后,我们可以在终端中运行以下命令来启动Scrapy爬虫: ``` scrapy crawl douban -o douban.json ``` 这个命令会启动名为douban的爬虫,并将所有数据保存到douban.json文件中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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