1.MongoDB的安装
MongoDB是一种非关系型数据库
MongoDB官网
选择你的系统对应的版本下载安装即可
2.MongoDB配置
a.在C盘或者D盘建一个文件夹如图mongodb
b.安装成功后里面会有bin文件然后再文件夹里面新建一个data文件夹,data文件里面新建db文件夹
db文件夹用于存储MongoDB数据
c.在bin文件路径下打开命令行工具执行下面的命令
mongod --dbpath C:\mongdb\data\db
复制代码
注意:文件夹路径以自己所建的为准
d.此时在打开一个命令行在bin路径下执行下面的代码
mongo
复制代码
3.安装第三方库pymongo(连接MongoDB)
pip3 install pymongo
复制代码
4.安装Mongodb可视化管理工具Robomongo
Robomongo官网
安装成功之后启动Robomongo,在空白处点击,然后选择Add命令,单击Save,最后点击Connect按钮连接到MongoDB数据库
5.案例代码
引入相应的模块
import requests
from lxml import etree
import re
import pymongo
import time
复制代码
连接mongodb数据库
client = pymongo.MongoClient('localhost', 27017)
mydb = client['mydb']
musictop = mydb['musictop']
复制代码
案例完整代码
import requests
from lxml import etree
import re
import pymongo
import time
client = pymongo.MongoClient('localhost', 27017)
mydb = client['mydb']
musictop = mydb['musictop']
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36'
}
def get_url_music(url):
html = requests.get(url, headers=headers)
selector = etree.HTML(html.text)
music_hrefs = selector.xpath('//a[@class="nbg"]/@href')
for music_href in music_hrefs:
get_music_info(music_href)
def get_music_info(url):
html = requests.get(url, headers=headers)
selector = etree.HTML(html.text)
name = selector.xpath('//*[@id="wrapper"]/h1/span/text()')[0]
author = re.findall('表演者:.*?>(.*?)</a>', html.text,re.S)[0]
styles = re.findall('<span class="pl">流派:</span> (.*?)<br/>',html.text,re.S)
if len(styles) == 0:
style = '未知'
else:
style = styles[0].strip()
time = re.findall('发行时间:</span> (.*?)<br/>', html.text, re.S)[0].strip()
publishers = re.findall('出版者:.*?>(.*?)</a>', html.text, re.S)
if len(publishers) == 0:
publishers = '未知'
else:
publishers = publishers[0].strip()
score = selector.xpath('//*[@id="interest_sectl"]/div/div[2]/strong/text()')[0]
print(name, author, style, time, publishers, score)
info = {
'name': name,
'author': author,
'style': style,
'time': time,
'publisher': publishers,
'score': score
}
musictop.insert_one(info)
if __name__ == '__main__':
urls = ['https://music.douban.com/top250?start={}'.format(str(i)) for i in range(0, 250, 25)]
for url in urls:
get_url_music(url)
time.sleep(2)
复制代码
6.执行爬虫代码,然后到Robomongo刷新就会看到数据已经有啦
7.本文配套的demo
GitHub地址
8.本文只是入门级别,我分享出来希望和大家一起学习进步! 我还写了Vue插件开发和抢红包的小游戏(欢迎Star)
Vue插件开发
抢红包小游戏
Python爬虫入门