用Python爬虫爬取世界上最大的小电影网站，一天可爬取500万

Python + Scrapy + MongoDB，每天爬取500万的数据以上的小电影数据。

免责声明：本项目旨在研究Scrapy Spider Framework和MongoDB数据库，它不能用于商业或其他个人意图。如果使用不当，那将是个人承担。

• 该项目主要用于抓取网站，这是世界上最大的网站。这样做可以检索视频标题，持续时间，mp4链接，封面网址和直接网站的网址。
• 该项目快速抓取PornHub.com，但结构简单。
• 该项目每天最多可以抓取5万个网站的视频，具体取决于您的个人网络。由于我的带宽慢，我的结果相对较慢。
• 爬虫一次请求10个线程，因此可以达到上述速度。如果您的网络性能更高，您可以每天请求更多线程并抓取更多视频。具体配置请参见[预启动配置]

环境配置

语言：python
python版本：python2.7
电脑配置：MacOS, 4G RAM
数据库： MongoDB

使用说明

下载源码

方式1

进入：https://github.com/xiyouMc/We...
点击下载源码，下载源码之后解答到一个文件夹

方式2

需要先安装好git,安装好之后
git clone https://github.com/xiyouMc/WebHubBot.git
就能将源码下载到本地

预启动配置

如果scrapy使用pip指令安装不上的话。建议使用anaconda进行安装，装好anaconda之后使用conda install scrapy指令会自动解决依赖进行安装

• 安装MongoDB并在没有配置的情况下启动
• 安装Python依赖模块：Scrapy，pymongo，请求或 pip install -r requirements.txt
• 根据需要修改配置，例如间隔时间，线程数等。

启动

• cd WebHub
• python quickstart.py

运行屏幕截图

数据库配饰说明

保存数据的数据库中的表是PhRes。以下是字段说明：
PhRes表：

video_title:             视频的标题，并且不能重复
link_url:                  视频的网址
image_url:              视频的一些截图
video_duration:      视频的时长，单位为秒
quality_480p:       视频的清晰度与下载视频的地址

参考：https://github.com/xiyouMc/We...