day6、scrapy电影天堂吧之最新电影

movie.py

# -*- coding: utf-8 -*-
import scrapy
from six_video.items import SixVideoItem


class MovieSpider(scrapy.Spider):
    name = 'movie'
    allowed_domains = ['dytt8.net']
    start_urls = ['http://www.dytt8.net/html/gndy/dyzz/index.html']

    def parse(self, response):
        print('===========================')
        movie_list = response.xpath("//table[@class='tbspan']")
        for movie in movie_list:
            #创建一个item
            item = SixVideoItem()
            # 在当前一级页面提取name和movie_info
            item["movie_name"] = movie.xpath(".//a[@class='ulink']/text()").extract_first()
            item["movie_info"] = movie.xpath(".//tr[last()]/td/text()").extract_first()
            # 其他属性在二级页面中,在这里发起一个二级页面的请求
            # 取出二级页面的链接
            # 分析:item除了要在这里存储相关的信息以外,还需要在二级页面中存储其他信息
            # Request对象提供了一个参数meta,可以将请求的响应体中添加一些信息
            movie_url = "http://www.dytt8.net" + movie.xpath(".//a[@class='ulink']/@href").extract_first()
            # 调取下载器
            yield scrapy.Request(url=movie_url, meta={"movie_item": item}, callback=self.parse_1)
            # 此时response在正常响应的基础上通过Request对象里的meta参数新增了一个属性"movie_item",里面保存了item

    # 定义一个回调函数,用于解析电影的二级页面
    def parse_1(self, response):
        # 从response中提取出上个页面传递过来的item
        item = response.meta["movie_item"]

        item["image_url"] = response.xpath("//div[@id='Zoom']//img[1]/@src").extract_first()
        # 通过.xpath("string(.)")过滤掉简介中的其他标签只留文本
        item["story_info"] = response.xpath("//div[@id='Zoom']//p").xpath("string(.)").extract_first()
        item["download_url"] = response.xpath("//td[@bgcolor='#fdfddf']/a/text()").extract_first()
        yield item

items.py

import scrapy


class SixVideoItem(scrapy.Item):
    movie_name = scrapy.Field()
    movie_info = scrapy.Field()
    image_url = scrapy.Field()
    story_info = scrapy.Field()
    download_url = scrapy.Field()

pipelines.py

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

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://doc.scrapy.org/en/latest/topics/item-pipeline.html
import json
import csv
import pymysql


class SixVideoPipeline(object):
    #这个方法在下载器下载开始下载并且交给蜘蛛来处理数据的时候调用
    def open_spider(self, spider):
        #json
        #打开一个json文件
        self.movie_file = open("movies.json", "w", encoding="utf8")
        #定义一个列表,用于整合所有的item信息
        self.items = []

        #csv
        #打开一个csv文件
        self.csv_file= open("movies.csv", "w", encoding="utf-8")
        #定义一个列表,整合所有的csv数据
        self.csv_items = []
        print("开始处理数据")

    #这个方法每迭代一次下载结果,会调用一次
    def process_item(self, item, spider):
        #json
        #将item转为普通字典
        dic = dict(item)
        #追加到items
        self.items.append(dic)

        #csv
        #整合csv数据,csv是二维列表,定义一个空列表
        csv_item = []
        csv_item.append(item["movie_name"])
        csv_item.append(item["movie_info"])
        csv_item.append(item["image_url"])
        csv_item.append(item["story_info"])
        csv_item.append(item["download_url"])
        self.csv_items.append(csv_item)

        return item

    # 所有数据都处理完了会调用这个方法
    def close_spider(self, spider):
        #json
        #在这里把数据写入本地json文件
        self.movie_file.write(json.dumps(self.items))
        #写入完毕需关闭,否则占内存
        self.movie_file.close()

        #csv
        #在这里把数据写入本地csv文件
        writor = csv.writer(self.csv_file)  #这个writer会往本地的csv_file文件写入数据
        #写表头
        writor.writerow(["movie_name", "movie_info", "image_url", "story_info", "download_url"])
        #写内容
        writor.writerows(self.csv_items)
        print("处理数据完毕")


#定义一个类,用于操作MySQL数据库
class MysqlPipeline(object):
    def __init__(self):
        #初始化连接相关问题
        self.user = 'root'
        self.password = '9998'
        self.host = '127.0.0.1'
        self.port = 3306
        self.dbname = 'dytt'

    def open_spider(self, spider):
        pass
        #连接数据库
        self.conn = pymysql.connect(
            host=self.host,
            port=self.port,
            user=self.user,
            password=self.password,
            db=self.dbname,
            charset='utf8'
        )
        #创建游标
        self.cursor = self.conn.cursor()

    def process_item(self, item, spider):
        print("++++++++++++++++++++++++++")
        #用游标来执行sql语句
        sql = "INSERT INTO  movies_table VALUES (NULL,'%s','%s','%s','%s','%s')" % (
        item["movie_name"], item["movie_info"], item["image_url"], item["story_info"], item["download_url"])
        print(sql)
        self.cursor.execute(sql)
        self.conn.commit()
        return item

    def close_spider(self, spider):
        self.cursor.close()
        self.conn.close()

settings.py

ITEM_PIPELINES = {
   'six_video.pipelines.SixVideoPipeline': 300,
   'six_video.pipelines.MysqlPipeline': 299,
}
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 215,294评论 6 497
  • 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 91,780评论 3 391
  • 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 161,001评论 0 351
  • 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 57,593评论 1 289
  • 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 66,687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 50,679评论 1 294
  • 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 39,667评论 3 415
  • 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 38,426评论 0 270
  • 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 44,872评论 1 307
  • 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 37,180评论 2 331
  • 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 39,346评论 1 345
  • 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 35,019评论 5 340
  • 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 40,658评论 3 323
  • 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 31,268评论 0 21
  • 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 32,495评论 1 268
  • 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 47,275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 44,207评论 2 352