豆瓣電影top250爬取並保存在MongoDB裏
首先回顧一下MongoDB的基本操作:
數據庫,集合,文檔 db,show dbs,use 數據庫名,drop 數據庫 db.集合名.insert({}) db.集合名.update({條件},{$set:{}},{multi:true}) db.集合名.remove({條件}) db集合名.find({條件},{投影}).limit().skip().sort().count().distinct() 數據庫 增加 修改 刪除 查詢 mysql insert update delete select redis set set del get mongodb insert update remove find,aggregate
string
hash
list
set
zset
增加
mysql:insert into 表名(列) values(值)
mongo:db.集合名.insert({})
修改:
mysql:update 表名 set 列=值 where 條件
mongo:db.集合名.update({條件},{值$set},{是否修改多條})
刪除:
mysql:delete from 表名 where ....
mongo:db.集合名.remove({條件},{是否刪除多條})
查詢:
db.stu.find({},{})
比較運算符,邏輯運算符,$where
limit(),skip(),sort(),count(),distinct()
首先使用xpath提取出要爬取的信息:我們這個項目需要爬取的信息有:標題,信息,評分,簡介
第一頁鏈接:https://movie.douban.com/top250
第二頁鏈接:https://movie.douban.com/top250?start=25&filter=
第三頁鏈接:https://movie.douban.com/top250?start=50&filter=
規律:https://movie.douban.com/top250?start=\d+&filter=
標題://a/span[@class="title"][1]
信息://div[@class="bd"]/p[1]/text()
評分://div[@class="star"]/span[2]/text()
簡介://span[@class="inq"]/text()
然後使用sscrapy startproject douban 創建項目
sscrapy genspider dopuban movie.douban.com
然後依次編寫下面的文件:
items.py doubanmovie.py settings.py pipelines.py
豆瓣電影top250爬取並保存在MongoDB裏