Scrapy 爬取豆瓣Top250并存储数据到Mongodb

# -*- coding: utf-8 -*-

# Define here the models for your scraped items

import scrapy

class DoubanBookItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    name = scrapy.Field()            # 书名
    author=scrapy.Field()            # 作者
    translator=scrapy.Field()        # 译者
    price = scrapy.Field()           # 价格
    edition_year = scrapy.Field()    # 出版年份
    publisher = scrapy.Field()       # 出版社
    ratings = scrapy.Field()         # 评分
    images=scrapy.Field()
    image_urls=scrapy.Field()
    image_paths=scrapy.Field()
# -*- coding: utf-8 -*-
import scrapy
from douban.items import DoubanBookItem

class DoubanbookSpider(scrapy.Spider):
    name = "doubanbook"
    allowed_domains = ["douban.com"]
    custom_settings = {
        'DEFAULT_REQUEST_HEADERS':{
            'Host': 'book.douban.com',
            'Connection': 'keep-alive',
            'Cache-Control': 'max-age=0',
            'Upgrade-Insecure-Requests': '1',
            'Referer': 'https://book.douban.com/top250',
            'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
            'Accept-Encoding': 'gzip, deflate, sdch, br',
            'Accept-Language': 'zh-CN,zh;q=0.8,en;q=0.6',
            'Cookie': 'bid="9buUE0ITek0"; ll="108288"; gr_user_id=e78c9c62-9a8b-40fe-b7a9-e5f5a8d14fa8; _ga=GA1.2.1570242051.1448263963; __utma=30149280.1570242051.1448263963.1462870413.1473487333.103; __utmz=30149280.1473487333.103.93.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; __utma=81379588.1438990260.1449738772.1462870413.1473487333.36; __utmz=81379588.1473487333.36.32.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; viewed="1943987_3269798_7906788_20270192_3112503_25879746_26284925_3740086_24669811_1090601"; _vwo_uuid_v2=CA88D0CE107B6F2D4891D9D1374B71A1|2933393f3143ea74829b216fadf9964e; _pk_ref.100001.3ac3=%5B%22%22%2C%22%22%2C1478162962%2C%22https%3A%2F%2Fmovie.douban.com%2F%22%5D; _pk_id.100001.3ac3=23920bca8dce88e9.1449738773.63.1478164058.1476192364.',
        },
        'MONGODB_URI':'mongodb://127.0.0.1:27017',
        'MONGO_DATABASE':'Doubandb',
        'MONGO_COLLECTION':'Top250books',
        'DOWNLOADER_MIDDLEWARES': {'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': None,},
        "ITEM_PIPELINES":{
            'douban.pipelines.DoubanBookPipeline': 300,
            'douban.pipelines.MongoPipeline': 301,
            #'douban.pipelines.DoubanBookImagesPipeline': 301,

        },
    }
    
    start_urls = (
        'http://www.douban.com/top250/?start=%s' %num for num in range(0,250,25)
    )

    def parse(self, response):
        for book in response.xpath('//tr[@class="item"]'):
            item=DoubanBookItem()
            item['name']=book.xpath('td[@valign="top"]/div[@class="pl2"]/a/@title').extract_first()
            item['image_urls']=[book.xpath('td[@width="100"]/a/img/@src').extract_first()]
            item['price']=book.xpath('td[@valign="top"]/p/text()').extract_first()
            item['ratings']=book.xpath('td[@valign="top"]/div[@class="star clearfix"]/span[@class="rating_nums"]/text()').extract_first()
            yield item
import scrapy
from scrapy.pipelines.images import ImagesPipeline
from scrapy.exceptions import DropItem
import pymongo

class MongoPipeline(object):

    collection_name='Top250Doubanbook'
    def __init__(self, mongo_uri, mongo_db):
        self.mongo_uri = mongo_uri
        self.mongo_db = mongo_db

    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),
            mongo_db=crawler.settings.get('MONGO_DATABASE')
        )

    def open_spider(self, spider):
        self.client = pymongo.MongoClient(self.mongo_uri)
        self.db = self.client[self.mongo_db]

    def close_spider(self, spider):
        self.client.close()

    def process_item(self, item, spider):
        self.db[self.collection_name].insert(dict(item))
        return item


class DoubanBookPipeline(object):
    def process_item(self, item, spider):
        info = item['price'].split(' / ')  # [法] 圣埃克苏佩里 / 马振聘 / 人民文学出版社 / 2003-8 / 22.00元
        if len(info)==5:
            author,translator,publisher,edition_year,price=info
        else:
            author,publisher,edition_year,price=info
            translator=None

        item['author']=author
        item['translator']=translator
        item['price'] = price
        item['edition_year'] = edition_year
        item['publisher'] = publisher
        return item
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,590评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,808评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,151评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,779评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,773评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,656评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,022评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,678评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,038评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,756评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,411评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,005评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,973评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,053评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,495评论 2 343

推荐阅读更多精彩内容