爬取央视热榜并存储到MongoDB




import requests
from pymongo import MongoClient
from lxml import etree
 
# 爬取方法
def crawl_tv_rank(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None
 
# 解析方法
def parse_html(html):
    html = etree.HTML(html)
    rank_list = html.xpath('//dl[@class="tv-rank-list"]/dd')
    data_list = []
    for rank in rank_list:
        data = {
            'name': rank.xpath('./a/text()')[0],
            'score': rank.xpath('./p[@class="score"]/text()')[0],
            'rank': rank.xpath('./p[@class="num"]/text()')[0].strip()
        }
        data_list.append(data)
    return data_list
 
# 存储方法
def save_to_mongo(data_list, mongo_url, db_name, collection_name):
    client = MongoClient(mongo_url)
    db = client[db_name]
    collection = db[collection_name]
    collection.insert_many(data_list)
 
# 主函数
def main():
    url = 'http://top.tv.sohu.com/rank_tab_1_3'
    html = crawl_tv_rank(url)
    data_list = parse_html(html)
    save_to_mongo(data_list, 'localhost', 'tv_rank', 'sohu')
 
if __name__ == '__main__':
    main()

这段代码实现了从国内知名视频网站搜狐TV抓取电视剧热榜的功能,并将数据存储到MongoDB数据库中。代码遵循了优秀的编程实践,例如提取了爬取、解析和存储的函数,并在主函数中调用。同时,代码中包含了错误处理和headers设置,这些都是爬虫工程师应当注意的要点。

最后修改于:2024年09月04日 10:05

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日