python实现爬虫数据存到 MongoDB

 更新时间:2016年09月22日 09:53:03   作者:千里追风  
本文给大家分享的是使用python实现将爬虫爬到的数据存储到mongoDB数据库中的实例代码,有需要的小伙伴可以参考下

在以上两篇文章中已经介绍到了 Python 爬虫和 MongoDB , 那么下面我就将爬虫爬下来的数据存到 MongoDB 中去,首先来介绍一下我们将要爬取的网站, readfree 网站,这个网站非常的好,我们只需要每天签到就可以免费下载三本书,良心网站,下面我就将该网站上的每日推荐书籍爬下来。

利用上面几篇文章介绍的方法,我们很容易的就可以在网页的源代码中寻找到书籍的姓名和书籍作者的信息。

找到之后我们复制 XPath ,然后进行提取即可。源代码如下所示

# coding=utf-8

import re
import requests
from lxml import etree
import pymongo
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

def getpages(url, total):
  nowpage = int(re.search('(\d+)', url, re.S).group(1))
  urls = []

  for i in range(nowpage, total + 1):
    link = re.sub('(\d+)', '%s' % i, url, re.S)
    urls.append(link)

  return urls

def spider(url):
  html = requests.get(url)

  selector = etree.HTML(html.text)

  book_name = selector.xpath('//*[@id="container"]/ul/li//div/div[2]/a/text()')
  book_author = selector.xpath('//*[@id="container"]/ul/li//div/div[2]/div/a/text()')

  saveinfo(book_name, book_author)

def saveinfo(book_name, book_author):
  connection = pymongo.MongoClient()
  BookDB = connection.BookDB
  BookTable = BookDB.books

  length = len(book_name)

  for i in range(0, length):
    books = {}
    books['name'] = str(book_name[i]).replace('\n','')
    books['author'] = str(book_author[i]).replace('\n','')
    BookTable.insert_one(books)

if __name__ == '__main__':
  url = 'http://readfree.me/shuffle/?page=1'
  urls = getpages(url,3)

  for each in urls:
    spider(each)

注意,在写入数据库的过程中不要一下子将字典中的数据写入数据库,我一开始就这么写的,但是我发现数据库中只有三条信息,其他信息都不见了。所以采用一条一条的写入。

还有源代码的开头部分,对默认编码的设置一定不可以省略,否则可能会报编码错误(真心感觉 Python 在编码这方面好容易出错,尴尬)。

有的人可能发现了,我将提取的信息转换成了字符串,然后使用 replace() 方法将 \n 去掉了,因为我发现在提取的书籍信息前后存在换行符,看着十分碍眼。

热情提醒一下,在程序运行的时候别忘记将你的 Mongo DB 运行起来,下来看看结果

好了,就这样,如果发现代码哪里存在错误或者说有可以改善的地方,希望留言给我,感谢。

相关文章

  • 详解MongoDB中的日志模块

    详解MongoDB中的日志模块

    这篇文章主要介绍了MongoDB中的日志模块的相关资料,帮助大家更好的理解和学习使用MongoDB数据库,感兴趣的朋友可以了解下
    2021-04-04
  • MongoDB查询技巧总结

    MongoDB查询技巧总结

    这篇文章主要介绍了MongoDB查询技巧总结,例如AND、OR条件查询,子文档查询等,需要的朋友可以参考下
    2014-05-05
  • MongoDB中javascript脚本编程简介和入门实例

    MongoDB中javascript脚本编程简介和入门实例

    作为一个数据库,MongoDB有一个很大的优势——它使用js管理数据库,所以也能够使用js脚本进行复杂的管理——这种方法非常灵活
    2014-04-04
  • 阿里云CentOS7安装Mongodb教程

    阿里云CentOS7安装Mongodb教程

    本文给大家介绍的教程主要参考资源的官方文档,当然如果你是centos6的,也可以看看其他文章,笔者用的是7,mongodb想用3以上的版本,需要的小伙伴可以参考下
    2016-11-11
  • 大数据环境下mongoDB为何要加索引浅析

    大数据环境下mongoDB为何要加索引浅析

    这篇文章主要给大家介绍了关于大数据环境下mongoDB为何要加索引的相关资料,文中通过示例代码介绍的非常详细,对大家学习或者使用mongoDB具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧
    2019-05-05
  • MongoDB数据去重与保存最新数据操作指南

    MongoDB数据去重与保存最新数据操作指南

    在 MongoDB 数据库中,我们经常需要进行数据去重并保留最新的数据,本文将介绍如何使用 MongoDB 聚合操作完成这一任务,并将结果保存到新的集合或者覆盖原有的集合,感兴趣的小伙伴跟着小编一起来看看吧
    2024-01-01
  • mongodb中oplog介绍和格式详析

    mongodb中oplog介绍和格式详析

    Oplog 是用于存储 MongoDB 数据库所有数据的操作记录的(实际只记录增删改和一些系统命令操作,查是不会记录的),有点类似于 mysql 的 binlog 日志,这篇文章主要给大家介绍了关于mongodb中oplog和格式的相关资料,需要的朋友可以参考下
    2021-07-07
  • 如何为MongoDB添加分片副本集

    如何为MongoDB添加分片副本集

    这篇文章主要介绍了如何为MongoDB添加分片副本集,帮助大家更好的理解和学习使用MongoDB数据库,感兴趣的朋友可以了解下
    2021-03-03
  • 教大家8天学通MongoDB——第一天 基础入门篇

    教大家8天学通MongoDB——第一天 基础入门篇

    MongoDB是目前非常流行的一种非关系型数据库(NoSQL),因其操作简单、完全免费、源码公开等特点,受到了IT从业人员的青睐,并被广泛部署于实际的生产环境中。本文教大家8天学通MongoDB——第一天 基础入门篇,感兴趣的朋友一起来了解了解吧
    2015-09-09
  • MongoDB快速入门笔记(三)之MongoDB插入文档操作

    MongoDB快速入门笔记(三)之MongoDB插入文档操作

    这篇文章主要介绍了MongoDB快速入门笔记(三)之MongoDB插入文档操作 的相关资料,非常不错具有参考借鉴价值,需要的朋友可以参考下
    2016-06-06

最新评论