使用scrapy框架爬取某商城部分数据并存入MongoDB

Posted 星辰

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用scrapy框架爬取某商城部分数据并存入MongoDB相关的知识,希望对你有一定的参考价值。

爬取电商网站的商品信息:

    URL为: https://www.zhe800.com/ju_type/baoyou
    抓取不同分类下的商品数据
    抓取内容为商品的名称, 价格数字, 商品图片
    将商品图片二进制流, 商品名称和价格数字一同存储于MongoDB数据库

存储数据结构为:

{

          ‘name’: ‘懒人神奇, 看电影必备’,

          ‘price’: ‘5.5’,  

       ‘img’: ….,

           “category”: ‘家纺’

}

这里抓包就不说了,很简单,利用xpath进行解析

  • by.py
    • # -*- coding: utf-8 -*-
      import scrapy
      from ..items import BywItem
      class BySpider(scrapy.Spider):
          name = \'by\'
          # allowed_domains = [\'baidu.com\']
          start_urls = [\'https://www.zhe800.com/ju_type/baoyou\']
        
      def img_parse(self,response): item = BywItem() item[\'name\'] = response.meta[\'name\'] # print(name) item[\'cate\'] = response.meta[\'cate\'] # print(cate) item[\'price\'] = response.meta[\'price\'] item[\'img\'] = response.body yield item #详情 def xq_parse(self,response): cate = response.meta[\'cate\'] print(cate) xq_list = response.xpath(\'//div[@class="con "]\') print(xq_list) for xq in xq_list: name = xq.xpath(\'./h3/a/@title\').extract_first() print(name) price = xq.xpath(\'./h4/em/text()\').extract_first() print(price) img_link = \'https:\' +xq.xpath(\'.//a/img/@data-original\').extract_first() print(img_link) meta = { \'name\':name, \'price\':price, \'cate\':cate } yield scrapy.Request(url=img_link,callback=self.img_parse,meta=meta) def parse(self, response): a_list = response.xpath(\'//div[@class="area"]/a[position()>1]\') for a in a_list: cate = a.xpath(\'./em/text()\').extract_first() # print(cate) cate_link = \'https:\' +a.xpath(\'./@href\').extract_first() # print(cate_link) yield scrapy.Request(url=cate_link,callback=self.xq_parse,meta={\'cate\':cate})
  • items.py
    • import scrapy
      
      
      class BywItem(scrapy.Item):
          # define the fields for your item here like:
          name = scrapy.Field()
          cate = scrapy.Field()
          price = scrapy.Field()
          img = scrapy.Field()
  • pipelines.py
    • import pymongo
      conn = pymongo.MongoClient()  #连接
      db = conn.byw  #创建数据库
      table = db.by  #创建表
      
      class BywPipeline:
          def process_item(self, item, spider):
              table.insert_one(dict(item))  #插入数据
              return item
  • settings.py
    • #ua
      
      USER_AGENT = \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/81.0.4044.92 Safari/537.36\'
      
      #robots协议
      ROBOTSTXT_OBEY = False
      
      
      
      #管道
      ITEM_PIPELINES = {
         \'byw.pipelines.BywPipeline\': 300,
      }
  • 效果

     

      

     

 

以上是关于使用scrapy框架爬取某商城部分数据并存入MongoDB的主要内容,如果未能解决你的问题,请参考以下文章

Scrapy框架——CrawlSpider爬取某热线网站

scrapy+selenium 爬取淘宝商城商品数据存入到mongo中

Scrapy爬取某装修网站部分装修效果图

Scrapy实战---Scrapy对接selenium爬取京东商城商品数据

用scrapy框架爬取某网站汽车的高清图片python爬虫入门进阶(21)

通过使用scrapy爬取某学校全网