douban_scrapy

感谢豆瓣小组提供数据来源

环境准备

• [Scrapy] (http://scrapy.org/)
• [MongoDB] (https://www.mongodb.org/)

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)，以及下载妹子图片到本地
• 爬取用户地理位置信息,方便联(yue)系(pao)
• 增加RandomUserAgent功能,防止被BAN
• 增加延时抓取功能，防止被BAN
• 由于下载妹子图片较多，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
• 下载妹子图片的同时生成缩略图，为计划做的【妹子图库网站】做准备

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(一般被删的都是尺度较大的图片)

更多

• 提交建议，需求，Bug报告
• Fork Me