日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

Scrapy实战篇(二)之爬取链家网成交房源数据(下)

發(fā)布時間:2025/4/5 编程问答 20 豆豆
生活随笔 收集整理的這篇文章主要介紹了 Scrapy实战篇(二)之爬取链家网成交房源数据(下) 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

在上一小節(jié)中,我們已經(jīng)提取到了房源的具體信息,這一節(jié)中,我們主要是對提取到的數(shù)據(jù)進(jìn)行后續(xù)的處理,以及進(jìn)行相關(guān)的設(shè)置。

數(shù)據(jù)處理

我們這里以把數(shù)據(jù)存儲到mongo數(shù)據(jù)庫為例。
編寫pipelines.py文件

import pymongoclass MongoPipeline(object):collection = 'lianjia_house' #數(shù)據(jù)庫collection名稱def __init__(self, mongo_uri, mongo_db):self.mongo_uri = mongo_uriself.mongo_db = mongo_db @classmethoddef from_crawler(cls,crawler):return cls(mongo_uri = crawler.settings.get('MONGO_URI'),mongo_db = crawler.settings.get('MONGO_DB'))def open_spider(self,spider):self.client = pymongo.MongoClient(self.mongo_uri)self.db = self.client[self.mongo_db]def close(self, spider):self.client.close()def process_item(self, item, spider):table = self.db[self.collection]data = dict(item)table.insert_one(data)return item

非常簡單的幾步,就實現(xiàn)了將數(shù)據(jù)保存到mongo數(shù)據(jù)庫中,所以說mongo數(shù)據(jù)庫還是非常好用的。
由于之前的學(xué)習(xí)篇中已經(jīng)學(xué)習(xí)過數(shù)據(jù)的存儲相關(guān)的內(nèi)容,在這里就不多贅述。

設(shè)置隨機User-Agent

這個內(nèi)容在之前的學(xué)習(xí)篇中也已經(jīng)學(xué)習(xí)過了,這里就直接拿過來用。
編寫middlewares.py文件。

import scrapy import random from scrapy.downloadermiddlewares.useragent import UserAgentMiddlewareclass MyUserAgentMiddleware(UserAgentMiddleware):def __init__(self, agents):self.agents = agents @classmethoddef from_crawler(cls, crawler):return cls(agents=crawler.settings.get('USER_AGENTS'))def process_request(self, request, spider):agent = random.choice(self.agents)request.headers['User-Agent'] = agent

設(shè)置(settings)

最后一步就是在settings.py文件中,進(jìn)行我們的設(shè)置和應(yīng)用我們的相關(guān)的組件。
內(nèi)容如下:

BOT_NAME = 'lianjia'SPIDER_MODULES = ['lianjia.spiders'] NEWSPIDER_MODULE = 'lianjia.spiders'ROBOTSTXT_OBEY = FalseUSER_AGENTS = ["Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)","Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)","Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)","Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)","Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)","Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)","Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)","Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)","Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6","Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1","Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0","Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5","Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20","Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER","Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)","Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER","Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)","Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)","Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)","Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)","Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)","Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)","Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1","Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5","Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre","Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11","Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36",]MONGO_URI = 'mongodb://localhost:27017' MONGO_DB = "lianjia"DOWNLOAD_DELAY = 2DEFAULT_REQUEST_HEADERS = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8','Accept-Language': 'zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3','Connection':'keep-alive' }DOWNLOADER_MIDDLEWARES = {'lianjia.middlewares.MyUserAgentMiddleware': 400, }ITEM_PIPELINES = {'lianjia.pipelines.MongoPipeline': 300, }

總結(jié)

由于我們爬取得數(shù)據(jù)量比較大,請求比較多,如果你直接運行的話,肯定是很快就會被封掉的,你可以選擇設(shè)置ip代理,具體的設(shè)置方法你可以參照scrapy學(xué)習(xí)篇里面的設(shè)置ip代理,這里就不多演示,當(dāng)然了,如果你想看一下效果的話,你可以選擇只爬取某一個區(qū)的數(shù)據(jù),比如鼓樓區(qū)。其效果如下面所示。
?
另外,你可以在你的項目根目錄下創(chuàng)建一個run.py文件,里面添加如下的內(nèi)容:

from scrapy import cmdline cmdline.execute("scrapy crawl lianjia".split())

其中,lianjia是你spider里面定義的名字,這樣,你只需要使用python run.py就可以運行這個項目了。

這里提醒一下,如果你不是著急獲取這個數(shù)據(jù)的話,可以將設(shè)置里面的下載延遲設(shè)置的稍微大一些,一方面防止我們爬蟲被辦,另一方面以減輕對方服務(wù)器的壓力。

github地址:?https://github.com/cnkai/lianjia.git

總結(jié)

以上是生活随笔為你收集整理的Scrapy实战篇(二)之爬取链家网成交房源数据(下)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。

主站蜘蛛池模板: 黄色三级三级三级三级 | 小色瓷导航| 深夜精品福利 | 久久这里只有精品首页 | 91蜜桃婷婷狠狠久久综合9色 | 欧美二级片 | 三年中文在线观看免费观看 | 精品久久久久久久久久久国产字幕 | 国际av在线 | 艳妇乳肉豪妇荡乳xxx | 99精品在线免费观看 | 日本韩国欧美 | 伊人久久久久久久久久久久 | 日韩欧美在线观看免费 | 日韩久久精品视频 | а√在线中文网新版地址在线 | 欧美7777 | 国产另类av| 红桃视频成人 | 成人在线观看小视频 | 91av看片 | 91大尺度| 欧美成人精品一区二区三区在线看 | 五月天在线播放 | 黄色激情网址 | av黄在线| 青青青在线视频观看 | 欧美精品一卡二卡 | 欧美三级韩国三级日本三斤 | 国产亚洲制服欧洲高清一区 | 色香蕉网站 | 欧美经典一区二区 | xxxx久久| 无码人妻精品一区二区 | 男人久久 | 波多野结衣视频观看 | 91福利免费视频 | 国产一区二区av在线 | 苏晴忘穿内裤坐公交车被揉到视频 | 麻豆av一区二区三区久久 | 亚洲综合色婷婷 | 欧美一区二区三区不卡视频 | 乱子伦视频在线看 | 亚洲精品国产手机 | 日韩成人高清在线 | 有声小说 成人专区 | 污av| 一区二区三区精品 | 91快射 | 欧日韩在线视频 | 国产农村乱对白刺激视频 | 99热香蕉| 日本黄色大片视频 | 99久久精品国产一区二区三区 | 97色伦97色伦国产欧美空 | 欧美亚洲另类在线 | 黄色片在线 | 久久五| 久久久www成人免费毛片 | 日本一区二区免费高清视频 | 日本乱论视频 | 毛片官网 | 亚洲av永久中文无码精品综合 | 国产一区二区三区四 | 欧美午夜精品久久久久久人妖 | 精品欧美乱码久久久久久 | 潘金莲一级淫片aaaaaa播放 | 在线观看麻豆视频 | 午夜在线一区二区三区 | 国产无遮挡又黄又爽又色视频 | 另类三区 | 影音先锋久久久 | 欧美日一区二区三区 | 99在线免费视频 | 中文字幕在线精品 | 国产午夜久久久 | 国产精品v | 日韩在线视频网站 | 国产精品爽爽爽 | 精东影业一区二区三区 | a级淫片| 国产高清在线观看视频 | 欧美不卡三区 | 中文字幕有码av | 日本青青草视频 | 欧美日韩亚洲在线观看 | 潘金莲三级80分钟 | 日批黄色片| 亚洲熟妇色自偷自拍另类 | 中文字幕一区二区久久人妻 | 少妇导航av | 正在播放木下凛凛88av | 产乳奶汁h文1v1 | 日韩中文字幕第一页 | 中文字幕日韩亚洲 | 91成人短视频 | 国产一区二区不卡在线 | 欧美性猛交99久久久久99按摩 | 日韩成人一级片 |