知識星球自從看了師傅爬了頂點全站之後，我也手癢癢的，也想爬一個比較牛逼的小說網看看，於是選了宜搜這個網站，好了，馬上開乾，這次用的是mogodb資料庫，感覺mysql太麻煩了下圖是我選擇宜搜裡面遍歷的網站
先看程式碼框架圖
第一個，肯定先提取排行榜裡面每個類別的連結啊，然後進入連結進行爬取，先看all_theme檔案
看看執行結果，這是書籍類目的
這是構造出的每一個類目裡面所有的頁數連結，也是我們爬蟲的入口，一共5000多頁
接下來是封裝的資料庫操作，因為用到了多行程以及多執行緒每個行程，他們需要知道那些URL爬取過了、哪些URL需要爬取！我們來給每個URL設定兩種狀態：
-
outstanding:等待爬取的URL
-
complete:爬取完成的URL
-
processing:正在進行的URL。
嗯！當一個所有初始的URL狀態都為outstanding；當開始爬取的時候狀態改為：processing；爬取完成狀態改為：complete；失敗的URL重置狀態為：outstanding。
為了能夠處理URL行程被終止的情況、我們設定一個計時引數，當超過這個值時；我們則將狀態重置為outstanding。
接下來是爬蟲主程式
讓我們來看看結果吧
裡面因為很多都是重覆的，所有去重之後只有十幾萬本，好失望……
