十九. 實戰(zhàn) - MongoDB存儲 (豆瓣音樂Top250)

爬取網(wǎng)址:https://music.douban.com/top250
爬取信息:歌曲名爹袁,表演者远荠,流派,發(fā)行時間失息,出版者譬淳,評分
爬取方式:進入詳細頁面爬取,lxml盹兢,re解析邻梆。
存儲方式:MongoDB存儲

image.png
  • 獲取actor,style,publish_time,publisher字段時使用了正則表達式,相比定位標(biāo)簽定位信息绎秒,能更精確地匹配到信息浦妄,減少匹配錯誤。
  • 使用語句if len(publishers) == 0: else:來判斷空信息替裆。
import requests
from lxml import etree
import re
import pymongo
import time

def get_details_url(url):
    r = requests.get(url,headers = headers)
    html = etree.HTML(r.text)
    song_urls = html.xpath('//a[@class="nbg"]/@href')
    return song_urls

def get_info(url):
    r = requests.get(url,headers=headers)
    html = etree.HTML(r.text)
    name = html.xpath('//div[@id="wrapper"]/h1/span/text()')[0]
    actor = re.findall("表演者:.*?>(.*?)</a>",r.text,re.S)[0]

    styles = re.findall(r"流派:</span>&nbsp;(.*?)<br />",r.text,re.S)
    if len(styles) == 0:
        style = "未知"
    else:
        style = styles[0].strip()
        
    publish_time = re.findall(r"發(fā)行時間:</span>&nbsp;(.*?)<br />",r.text,re.S)[0].strip()

    publishers = re.findall(r"出版者:</span>&nbsp;(.*?)<br />",r.text,re.S)
    if len(publishers) == 0:
        publisher = "未知"
    else:
        publisher = publishers[0].strip()
        
    score = html.xpath('//strong[@class="ll rating_num"]/text()')[0]
    
    #print(name,actor,style,publish_time,publisher,score)
    info = {
        '歌曲名':name,
        '表演者':actor,
        '流派':style,
        '發(fā)行時間':publish_time,
        '出版者':publisher,
        '評分':score
        }
    topmusic.insert_one(info)  ##插入數(shù)據(jù),保存到數(shù)據(jù)庫中校辩。  

if __name__=="__main__":
    client = pymongo.MongoClient('localhost',27017)
    mydb = client['mydb']
    topmusic = mydb['topmusic']   #連接數(shù)據(jù)庫窘问,并創(chuàng)建數(shù)據(jù)庫和集合
    
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3294.6 Safari/537.36'}
        
    url_list = ['https://music.douban.com/top250?start={}'.format(i*25) for i in range(0,10)]  #共10頁
    for url in url_list:
        song_urls = get_details_url(url)
        for song_url in song_urls:
            get_info(song_url)
            time.sleep(2)
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末辆童,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子惠赫,更是在濱河造成了極大的恐慌把鉴,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,482評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件儿咱,死亡現(xiàn)場離奇詭異庭砍,居然都是意外死亡,警方通過查閱死者的電腦和手機混埠,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,377評論 2 382
  • 文/潘曉璐 我一進店門怠缸,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人钳宪,你說我怎么就攤上這事揭北“饩妫” “怎么了?”我有些...
    開封第一講書人閱讀 152,762評論 0 342
  • 文/不壞的土叔 我叫張陵搔体,是天一觀的道長恨樟。 經(jīng)常有香客問我,道長疚俱,這世上最難降的妖魔是什么劝术? 我笑而不...
    開封第一講書人閱讀 55,273評論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮呆奕,結(jié)果婚禮上养晋,老公的妹妹穿的比我還像新娘。我一直安慰自己登馒,他們只是感情好匙握,可當(dāng)我...
    茶點故事閱讀 64,289評論 5 373
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著陈轿,像睡著了一般圈纺。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上麦射,一...
    開封第一講書人閱讀 49,046評論 1 285
  • 那天蛾娶,我揣著相機與錄音,去河邊找鬼潜秋。 笑死蛔琅,一個胖子當(dāng)著我的面吹牛钠至,可吹牛的內(nèi)容都是我干的挂脑。 我是一名探鬼主播,決...
    沈念sama閱讀 38,351評論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼奖恰,長吁一口氣:“原來是場噩夢啊……” “哼钩述!你這毒婦竟也來了寨躁?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,988評論 0 259
  • 序言:老撾萬榮一對情侶失蹤牙勘,失蹤者是張志新(化名)和其女友劉穎职恳,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體方面,經(jīng)...
    沈念sama閱讀 43,476評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡放钦,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,948評論 2 324
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了恭金。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片操禀。...
    茶點故事閱讀 38,064評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖横腿,靈堂內(nèi)的尸體忽然破棺而出颓屑,到底是詐尸還是另有隱情辙培,我是刑警寧澤,帶...
    沈念sama閱讀 33,712評論 4 323
  • 正文 年R本政府宣布邢锯,位于F島的核電站扬蕊,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏丹擎。R本人自食惡果不足惜尾抑,卻給世界環(huán)境...
    茶點故事閱讀 39,261評論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望蒂培。 院中可真熱鬧再愈,春花似錦、人聲如沸护戳。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,264評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽媳荒。三九已至抗悍,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間钳枕,已是汗流浹背缴渊。 一陣腳步聲響...
    開封第一講書人閱讀 31,486評論 1 262
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留鱼炒,地道東北人衔沼。 一個月前我還...
    沈念sama閱讀 45,511評論 2 354
  • 正文 我出身青樓,卻偏偏與公主長得像昔瞧,于是被迫代替她去往敵國和親指蚁。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 42,802評論 2 345

推薦閱讀更多精彩內(nèi)容