当前位置: 代码迷 >> 综合 >> 【Python Scrapy 爬虫框架】 5、利用 pipelines 和 settings 将爬取数据存储到 MongoDB
  详细解决方案

【Python Scrapy 爬虫框架】 5、利用 pipelines 和 settings 将爬取数据存储到 MongoDB

热度:110   发布时间:2023-11-21 22:37:05.0

0x00 前言

前文中讲到了将爬取的数据导出到文件中,接下来就在前文的代码基础之上,将数据导出到 MongoDB中。

0x01 配置 pipelines.py

首先来到 pipelines.py 文件下,在这里写入连接操作数据库的一些功能。

将连接操作 mongo 所需要的包导入进来

import pymongo

接下来定义一些参数,注意下面的函数都是在 TeamssixPipeline 类下的

@classmethod
def from_crawler(cls, crawler):cls.DB_URL = crawler.settings.get('MONGO_DB_URI')cls.DB_NAME = crawler.settings.get('MONGO_DB_NAME')return cls()def open_spider(self, spider):self.client = pymongo.MongoClient(self.DB_URL)self.db = self.client[self.DB_NAME]def close_spider(self, spider):self.client.close()def process_item(self, item, spider):collection = self.db[spider.name]collection.insert_one(dict(item))return item

0x02 配置 settings.py

ITEM_PIPELINES 是settings.py 文件自带的,把注释符号删掉就好

ITEM_PIPELINES = {
    'teamssix.pipelines.TeamssixPipeline': 300,  #优先级,1-1000,数值越低优先级越高
}
MONGO_DB_URI = 'mongodb://localhost:27017'  #mongodb 的连接 url
MONGO_DB_NAME = 'blog'  #要连接的库

0x02 运行

直接执行命令,不加参数

scrapy crawl blogurl

注意,如果原来 MongoDB 中没有我们要连接的库, MongoDB 会自己创建,就不需要自己创建了,所以还是蛮方便的,使用 Robo 3T 打开后,就能看到刚才存进的数据。

更多信息欢迎关注我的个人微信公众号:TeamsSix
原文链接:https://www.teamssix.com/year/191226-151702.html

参考链接:
https://youtu.be/aDwAmj3VWH4
http://doc.scrapy.org/en/latest/topics/architecture.html
https://lemmo.xyz/post/Scrapy-To-MongoDB-By-Pipeline.html

  相关解决方案