快捷導(dǎo)航

python爬蟲數(shù)據(jù)保存到mongoDB的實(shí)例方法

更新時(shí)間：2020年07月28日 14:19:47 作者：yang

在本篇文章里小編給大家整理的是一篇關(guān)于python爬蟲數(shù)據(jù)保存到mongoDB的實(shí)例方法，有需要的朋友們可以參考下。

爬蟲數(shù)據(jù)保存到mongoDB的方法：

import pymongo

# 首先需要注意，mongodb數(shù)據(jù)庫存儲(chǔ)的類型是以鍵值對類型進(jìn)行存儲(chǔ)，所以在存儲(chǔ)以前一定要進(jìn)行數(shù)據(jù)篩選

def save_mongo(傳入的數(shù)據(jù))：

　　# 創(chuàng)建連接 因?yàn)槭褂玫臑楸緳C(jī)數(shù)據(jù)庫，所以IP寫localhost即可，端口號為27017

　　client = pymongo.MongoClient('localhost',27017)

　　# 連接數(shù)據(jù)庫(這里注意一點(diǎn)，mongo數(shù)據(jù)庫有一個(gè)優(yōu)點(diǎn)，就是當(dāng)自己連接的數(shù)據(jù)庫和表都沒有的時(shí)候，會(huì)自動(dòng)創(chuàng)建，所以不用擔(dān)心寫錯(cuò)或者沒有表)

　　db = client['自己創(chuàng)建數(shù)據(jù)庫名']

　　# 連接表

　　collection = db['自己的表名(mongo中叫做集合)']

　　# 插入到數(shù)據(jù)庫中(這里使用dict進(jìn)行強(qiáng)制轉(zhuǎn)換，是為了保證數(shù)據(jù)為字典格式)

　　collection.insert(dict(傳入的數(shù)據(jù)))

mongoDB介紹：

它的特點(diǎn)是高性能、易部署、易使用，存儲(chǔ)數(shù)據(jù)非常方便。主要功能特性有：

*面向集合存儲(chǔ)，易存儲(chǔ)對象類型的數(shù)據(jù)。

*模式自由。

*支持動(dòng)態(tài)查詢。

*支持完全索引，包含內(nèi)部對象。

*支持查詢。

*支持復(fù)制和故障恢復(fù)。

*使用高效的二進(jìn)制數(shù)據(jù)存儲(chǔ)，包括大型對象（如視頻等）。

*自動(dòng)處理碎片，以支持云計(jì)算層次的擴(kuò)展性。

*支持 Golang，RUBY，PYTHON，JAVA，C++，PHP，C#等多種語言。

*文件存儲(chǔ)格式為BSON（一種JSON的擴(kuò)展）。

*可通過網(wǎng)絡(luò)訪問。

實(shí)例擴(kuò)展：

# 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)

以上就是python爬蟲數(shù)據(jù)保存到mongoDB的實(shí)例方法的詳細(xì)內(nèi)容，更多關(guān)于爬蟲數(shù)據(jù)如何保存到mongoDB的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: