Python+scrapy+mysql实现爬取磁力链接

作为老司机中的一员，所以试试爬取磁力链接，看看效果咋样。

直接上代码：

class torrentSpider(scrapy.Spider):
    name = "torrent"
    allowed_domains = ["www....org"]
    start_urls = ['http:(网址不公布了)/so/abp-first-asc-1?f=h']

    def parse(self, response):
        #下面元组这里填一些简单的关键词信息，如什么前缀之类的
        destination = ('')
        通过css选择器选取对应的内容
        post_nodes = response.css('.list a')
        #从磁链列表解析每一个结果，然后通过parse_detail（）解析名字和对应磁链
        for post_node in post_nodes:
            post_url = post_node.css('::attr(href)').extract_first('')
            url = parse.urljoin(response.url, post_url)
            yield Request(url=parse.urljoin(response.url, post_url),
                          callback=self.parse_detail)
        for i in range(,len(destination)):
            #可以自己选择一个合适的页数
            for num in range(, ？):
                #根据元组和页数拼成url
                url = 'http://.../so/'+destination[i]+'-first-asc-' + str(num) + '?f=h'
                #交给yield处理
                yield Request(url, callback=self.parse)

    def parse_detail(self, response):
        my_torrent = MyTorrentItem()
        item_loader = MyTorrentItemLoader(item=MyTorrentItem(), response=response)
#//*[@id="container"]/div[1]/dl/p[6]/a
        item_loader.add_css('name', '.nobg small::text')
        item_loader.add_css('torrent', '.magta::text')

        my_torrent = item_loader.load_item()
        yield my_torrent
           

下面是对应的MyTorrentItem：

class MyTorrentItemLoader(ItemLoader):
    # 自定义ItemLoader
    default_output_processor = TakeFirst()


class MyTorrentItem(scrapy.Item):
    name = scrapy.Field()
    torrent = scrapy.Field()

    def get_insert_sql(self):
        insert_sql = """
                insert into my_torrent(name, torrent)
                VALUES (%s, %s)
            """

        params = (self["name"], self["torrent"])
        return insert_sql, params
           

下面是pipelines.py的与数据库交互的代码

class MysqlTwistedPipeline(object):
    def __init__(self, dbpool):
        self.dbpool = dbpool

    @classmethod
    def from_settings(cls, settings):
        dbparms = dict(
            host=settings["MYSQL_HOST"],
            db=settings["MYSQL_DBNAME"],
            user=settings["MYSQL_USER"],
            passwd=settings["MYSQL_PASSWORD"],
            charset='utf8',
            cursorclass=MySQLdb.cursors.DictCursor,
            use_unicode=True,
        )
        dbpool = adbapi.ConnectionPool("MySQLdb", **dbparms)

        return cls(dbpool)

    def process_item(self, item, spider):
        # 使用twisted将mysql插入变成异步执行
        query = self.dbpool.runInteraction(self.do_insert, item)
        query.addErrback(self.handle_error, item, spider)  # 处理异常

    def handle_error(self, failure, item, spider):
        # 处理异步插入的异常
        print(failure)

    def do_insert(self, cursor, item):
        # 执行具体的插入
        # 根据不同的item 构建不同的sql语句并插入到mysql中
        insert_sql, params = item.get_insert_sql()
       # print(insert_sql, params)
        cursor.execute(insert_sql, params)
           

这里采用异步插入，

到现在爬了半个钟，大概爬了50000+条，由于调的是打印输出日志，导致效率低了一些，，

仅供参考学习，欢迎大家指导。