python爬虫数据保存到mongoDB的实例方法

爬虫数据保存到mongoDB的方法：

import pymongo

# 首先需要注意，mongodb数据库存储的类型是以键值对类型进行存储，所以在存储以前一定要进行数据筛选

def save_mongo(传入的数据)：

# 创建连接 因为使用的为本机数据库，所以IP写localhost即可，端口号为27017

client = pymongo.MongoClient('localhost',27017)

# 连接数据库(这里注意一点，mongo数据库有一个优点，就是当自己连接的数据库和表都没有的时候，会自动创建，所以不用担心写错或者没有表)

db = client['自己创建数据库名']

# 连接表

collection = db['自己的表名(mongo中叫做集合)']

# 插入到数据库中(这里使用dict进行强制转换，是为了保证数据为字典格式)

collection.insert(dict(传入的数据))

mongoDB介绍：

它的特点是高性能、易部署、易使用，存储数据非常方便。主要功能特性有：

*面向集合存储，易存储对象类型的数据。

*模式自由。

*支持动态查询。

*支持完全索引，包含内部对象。

*支持查询。

*支持复制和故障恢复。

*使用高效的二进制数据存储，包括大型对象（如视频等）。

*自动处理碎片，以支持云计算层次的扩展性。

*支持 Golang，RUBY，PYTHON，JAVA，C++，PHP，C#等多种语言。

*文件存储格式为BSON（一种JSON的扩展）。

*可通过网络访问。

实例扩展：

# coding=utf-8

import re
import requests
from lxml import etree
import pymongo
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

def getpages(url, total):
nowpage = int(re.search('(\d+)', url, re.S).group(1))
urls = []

for i in range(nowpage, total + 1):
 link = re.sub('(\d+)', '％s' ％ i, url, re.S)
 urls.append(link)

return urls

def spider(url):
html = requests.get(url)

selector = etree.HTML(html.text)

book_name = selector.xpath('//*[@id="container"]/ul/li//div/div[2]/a/text()')
book_author = selector.xpath('//*[@id="container"]/ul/li//div/div[2]/div/a/text()')

saveinfo(book_name, book_author)

def saveinfo(book_name, book_author):
connection = pymongo.MongoClient()
BookDB = connection.BookDB
BookTable = BookDB.books

length = len(book_name)

for i in range(0, length):
 books = {}
 books['name'] = str(book_name[i]).replace('\n','')
 books['author'] = str(book_author[i]).replace('\n','')
 BookTable.insert_one(books)

if __name__ == '__main__':
url = 'http://readfree.me/shuffle/?page=1'
urls = getpages(url,3)

for each in urls:
 spider(each)

来源：https://www.py.cn/spider/guide/18441.html