# bokeyuan

**Repository Path**: onemonth/bokeyuan

## Basic Information

- **Project Name**: bokeyuan
- **Description**: 博客园首页
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-07-06
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# bokeyuan

#### 介绍
1. 面试项目
2. 爬取博客园首页文章
3. 不可用于商用


#### 使用说明

命令行输入`scrapy crawl bky`

#### 项目介绍
1. 数据库使用mongodb
2. 添加filter_id字段，使用scrapy自带的request_fingerprint去重方法对请求方法进行加密
3. 在爬取详情页之前先判断数据库中是否已经存在filter_id，如果存在就不重复请求，避免重复访问，如下图：
![](./QQ截图20200706144905.png)
4. 最后爬取的数据如图：
![](./QQ截图20200706145359.png)

#### 码云特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  码云官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解码云上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是码云最有价值开源项目，是码云综合评定出的优秀开源项目
5.  码云官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  码云封面人物是一档用来展示码云会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)