Scrapy项目实战-创新互联
抓取豆瓣电影top250数据，并将数据保存为csv，json格式存储到MongoDB数据库中，目标URL为https://movie.douban.com/top250
一、创建项目
进入自定义的项目目录中，运行scrapy startproject douban
douban为项目名称，将会创建一个douban文件夹，包含以下文件。
分别是
scrapy.cfg: 项目的配置文件。
douban/: 项目的Python模块，将会从这里引用代码。
douban/items.py: 项目的目标文件。
douban/pipelines.py: 项目的管道文件。
douban/settings.py: 项目的设置文件。
douban/spiders/: 存储爬虫代码目录。
打开豆瓣项目，进入到spiders文件夹下，运行scrapy genspider douban_spider movie.douban.com，就会在spiders文件夹下生成douban_spider.py
二、明确目标
三、spider文件的编写
运行豆瓣项目：scrapy crawl douban_spider
运行过程中报错 ： no module named ‘_sqlite3’
安装好sqlite3后，重新编译安装python3
make && make install 重新编译python3完成。
进入豆瓣项目，重新运行scrapy crawl douban_spider，有如下报错：
这种报错是由于USER_AGENT不是规范的格式引起的，修改成规范的即可。
在pycharm输出所需内容，先在douban文件夹下创建一个main.py，如图：
编写解析文件，主要使用xpath。在Chrome浏览器安装并启用xpath helper，方便解析。在Chrome浏览器使用shift+Ctrl+X启用xpath插件。
四、数据的存储
导出数据：scrapy crawl douban_spider -o test.json 或者 scrapy crawl douban_spider -o test.csv 数据以Unicode格式保存。将它导出到Windows下：sz test.csv 打开是乱码，右键该文件，选择edit with notepad++打开，选择编码，选择“使用UTF-8-BOM编码”保存。用Excel表格打开可正常浏览。
如何将数据保存到MongoDB中？
在setting.py中定义对应IP地址、端口号、数据库名称、数据表名称。
在编写pipspiders.py，检查有没有安装pymongo。安装pip3 install pymongo。
通过数据库进行连接
另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享文章：Scrapy项目实战-创新互联
文章网址：http://scjbc.cn/article/jhiep.html
