21.爬取美剧天堂信息保存到远程MongoDB中

作为练习的小爬虫项目,它的页面布局,如下,这个样子,so easy。布局比价简单就不做过多介绍了。想要爬取的也就图中显示的这些信息。


既然是练习,那就多写一种写法。代码如下,一种是使用css选择器定位元素,一种是使用xpath。个人比较喜欢使用css选择器,它比xpath更灵活。

# coding:utf-8
# css 选择器练习
# import requests
# from scrapy.selector import Selector
# url = "https://www.meijutt.com/new100.html"
# res = requests.get(url).content.decode("gb2312")
# data = Selector(text=res)
# datalist = data.css(".top-list li")
# for dataline in datalist:
#     title = dataline.css("h5 a::attr(title)").extract_first("")
#     status = dataline.css(".new100state1 font::text").extract_first("")
#     subtitle = dataline.css(".new100state1 .sub .subsheng::text").extract_first("")
#     category = dataline.css(".mjjq::text").extract_first("")
#     tvstation = dataline.css(".mjtv::text").extract_first("")
#     print(title+"--"+status+"--"+subtitle+"--"+category+"--"+tvstation)

# xpath练习
import requests
import lxml.etree
url = "https://www.meijutt.com/new100.html"
res = requests.get(url).content.decode("gb2312")
mytree = lxml.etree.HTML(res)
mydata = mytree.xpath("//div[@class='top_warp']/div/ul[contains(@class, top-list)]/li")
for dataline in mydata:
    title = dataline.xpath("./h5/a/text()")[0]
    status = dataline.xpath("./span/font/text()")[0]
    subtitle = dataline.xpath("./span/span[@class='sub']/em/text()")
    category = dataline.xpath("./span[@class='mjjq']/text()")[0]
    tvstation = dataline.xpath("./span[@class='mjtv']/text()")[0]
    update = dataline.xpath("./div[contains(@class, lasted-time)]/text()")
    if len(update) == 0:
        updatetime = dataline.xpath("./div[contains(@class, lasted-time)]/font/text()")[0]
    else:
        updatetime = update[0]
    if len(subtitle) > 0:
        print(title+"--"+status+"--"+subtitle[0]+"--"+category+"--"+tvstation+"--"+updatetime)
    else:
        print(title+"--"+status+"--"+category+"--"+tvstation+"--"+updatetime)

上面小练习,能够把想要爬取的内容给爬下来,下面的代码是将爬下来的内容保存到远程MongoDB中。

# coding:utf-8
import requests
from scrapy.selector import Selector
import pymongo
url = "https://www.meijutt.com/new100.html"
res = requests.get(url).content.decode("gb2312")
data = Selector(text=res)
datalist = data.css(".top-list li")
meijulist = []
for dataline in datalist:
    title = dataline.css("h5 a::attr(title)").extract_first("")
    status = dataline.css(".new100state1 font::text").extract_first("")
    subtitle = dataline.css(".new100state1 .sub em::text").extract_first("")
    category = dataline.css(".mjjq::text").extract_first("")
    tvstation = dataline.css(".mjtv::text").extract_first("")
    update = dataline.css(".lasted-time::text")
    if len(update) == 0:
        updatetime = dataline.css(".lasted-time font::text").extract_first("")
    else:
        updatetime = update.extract_first("")
    meijulist.append(title+"--"+status+"--"+subtitle+"--"+category+"--"+tvstation+"--"+updatetime)
    
    # 连接MongoDB
    myclient = pymongo.MongoClient(host="192.168.1.4", port=27017)
    db = myclient['meiju']
    db['meiju'].insert({"title": title, "status": status, "subtitle": subtitle, "category": category,
                        "tvstation": tvstation, "updatetime": updatetime})
print("报告老板,数据已插入, 共插入{0}条数据".format(len(meijulist)))

上面代码中涉及到字符串格式化,这里说一下,下面这种也能实现相同效果。

abc = [1, 2, 3]
print("报告老板数据已插入,共插入{0}条数据".format(len(abc)))
print("报告老板数据已插入,共插入{}条数据".format(len(abc)))
print("报告老板数据已插入,共插入%s条数据"%len(abc))
©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 216,591评论 6 501
  • 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 92,448评论 3 392
  • 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 162,823评论 0 353
  • 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 58,204评论 1 292
  • 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 67,228评论 6 388
  • 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 51,190评论 1 299
  • 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 40,078评论 3 418
  • 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 38,923评论 0 274
  • 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 45,334评论 1 310
  • 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 37,550评论 2 333
  • 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 39,727评论 1 348
  • 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 35,428评论 5 343
  • 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 41,022评论 3 326
  • 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 31,672评论 0 22
  • 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 32,826评论 1 269
  • 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 47,734评论 2 368
  • 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 44,619评论 2 354

推荐阅读更多精彩内容