1 Star 0 Fork 136

Heidlyn / scrapy-douban-group

forked from mktime / scrapy-douban-group 
加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README
MIT

douban_scrapy

感谢豆瓣小组提供数据来源

环境准备

快速开始

#: 安装必要 python 库

sudo pip install scrapy

sudo pip install pymongo

#: 下载图片到本地,并且保存相关信息到MongoDB中.

scrapy crawl haixiuzu

#: 生成本地相册需要的json data.

python check.py

#: 建立本地http server

python -m SimpleHTTPServer 80

#: 打开浏览器输入http://localhost/gallary

已实现的功能

  • 爬取大家的发贴信息(标题、标题URL、作者、作者URL等),以及下载图片到本地
  • 爬取用户地理位置信息
  • 增加RandomUserAgent功能,防止被BAN
  • 增加延时抓取功能,防止被BAN
  • 由于下载图片较多,故采用hash方法分散到多个目录进行管理,提高打开文件夹速度

计划实现的功能

  • 本地相册功能,可以在浏览器内预览图,通过快捷键j,k,space等对图片进行翻页,加红心,删除等功能
  • 本地相册功能打算借鉴(fgallery)[http://www.thregr.org/~wavexx/software/fgallery/demo/]
  • 如果图片对应的topic已被管理员删除,则高亮显示

更多

The MIT License (MIT) Copyright (c) 2015 mktime Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

简介

通过一个实际的项目,来学习如何使用scrapy爬取网络上的信息。这里以豆瓣小组为例,对组内的图片进行爬取,相关信息保存数据到MongoDB,图片下载到本地。 展开 收起
Python
MIT
取消

发行版

暂无发行版

贡献者

全部

近期动态

加载更多
不能加载更多了
Python
1
https://gitee.com/heidlyn/scrapy-douban-group.git
git@gitee.com:heidlyn/scrapy-douban-group.git
heidlyn
scrapy-douban-group
scrapy-douban-group
master

搜索帮助

14c37bed 8189591 565d56ea 8189591