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

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日