MeituanSpider

美团爬虫，基于scrapy_redis,学习使用，请勿用于商业用途。（目前实现板块：美食板块）

美食板块

根据地点爬取美食板块所有商家信息，保存至mongoDB数据库

配置信息

• CITY: 爬取的城市，列表类型，可传入城市名或城市id。 (城市名与id对应关系文件：spiders/data/meishi_city.json)
• LOG_LEVEL: 设置日志等级，自定义。
• SCHEDULER_PERSIST: 传入True设置爬虫为增量爬虫，否则False。
• REDIS_URL: 连接redis数据库的地址。
• DOWNLOAD_DELAY: 设置请求的时间间隔，默认2.2秒到2.6秒之间，可自行调整。

其他设置请参考scrapy官方文档。

版本信息

python (3.6.3)
Scrapy (1.5.1)
scrapy-redis (0.6.8)
pymongo (3.7.1)

启动

首次启动需要向 redis_key 中传入起始 url

redis 数据库中：

select 0
lpush meishi_start_urls https://meishi.meituan.com/i/?ci=45&stid_b=1&cevent=imt/homepage/category1/1

终端运行爬虫：

scrapy crawl meishi

注意事项

• 保存的信息分为两大块：商家信息和评论信息。

  评论信息默认不爬取（分布式可以开启，本人就一台电脑，速度太慢- -），如需开启爬取评论信息功能将相关代码注释取消即可。

• 爬取过程中可能出现验证码。

  目前处理方式为手动验证：
  

  • 验证码出现后程序暂停20秒，打开出现验证码的url，手动输入验证

  有条件的话建议处理方式：

  • 接入打码平台
  • 使用代理