Googleはサーチエンジンの情報収集にGooglebotを使っています。あるウェブサイトを起点に、そのサイトのリンクを自動で辿り、情報を収集します。 pythonの Scrapy モジュールを使えば、同じようなことを実現できます。 Scrapy を用いてサイトの情報を収集してみます。 準備 Scrapyをpipでインストールします。 `$ pip install scrapy 使い方 Scrapyは、プロジェクト単位で管理します。プロジェクトを生成した後、そこで自動生成された下記ファイルを編集していきます。 1. items.py : 抽出データを定義する 2. spiders/以下のスパイダー(クローラー)ファイル:巡回、データ抽出条件 3. pipelines.py : 抽出データの出力先。今回はmongoDB 4. settings.py : データ巡回の条件 (頻度や、階層など)
![scrapy を用いてデータを収集し、mongoDB に投入する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5be348fb32cb216869126ee8e03e4f407cc0df23/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9c2NyYXB5JTIwJUUzJTgyJTkyJUU3JTk0JUE4JUUzJTgxJTg0JUUzJTgxJUE2JUUzJTgzJTg3JUUzJTgzJUJDJUUzJTgyJUJGJUUzJTgyJTkyJUU1JThGJThFJUU5JTlCJTg2JUUzJTgxJTk3JUUzJTgwJTgxbW9uZ29EQiUyMCVFMyU4MSVBQiVFNiU4QSU5NSVFNSU4NSVBNSVFMyU4MSU5OSVFMyU4MiU4QiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9MjliNTU4MzBkMzdhNjc3NmNjNjc5OTY1NWYyZDZmZTQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0YW1vbm9raSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9N2MxMTljMzcyOGE5YzU2NThmNjYzZmVmNzMxZTEwNDI%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D047ecae4b0e1fc6ef317ff6826b07867)