声明：本项目旨在学习Scrapy爬虫框架和MongoDB数据库，不可使用于商业和个人其他意图。若使用不当，均由个人承担。

PornHubBot

PornHubBot项目主要是爬取全球最大的小电影网站PornHub的视频标题、时长、mp4链接、封面URL和具体的PornHub链接

项目爬的是PornHub.com，结构简单，速度飞快

爬取PornHub视频的速度可以达到500万/天以上。具体视个人网络情况,因为我是家庭网络，所以相对慢一点。

10个线程同时请求，可达到如上速度。若个人网络环境更好，可启动更多线程来请求，具体配置方法见 [启动前配置]

有需要Python学习资料的小伙伴吗?小编整理一套Python资料和PDF，感兴趣者可以关注小编后私信学习资料（是关注后私信哦）反正闲着也是闲着呢，不如学点东西啦

环境、架构

• 开发语言: Python2.7

• 开发环境: MacOS系统、4G内存

• 数据库: MongoDB

• 主要使用 scrapy 爬虫框架

• 从Cookie池和UA池中随机抽取一个加入到Spider

• start_requests 根据 PorbHub 的分类，启动了5个Request，同时对五个分类进行爬取。

• 并支持分页爬取数据，并加入到待爬队列。

使用说明

启动前配置

• 安装MongoDB,并启动，不需要配置

• 安装Scrapy

• 安装Python的依赖模块：pymongo、json、requests

根据自己需要修改 Scrapy 中关于 间隔时间、启动Requests线程数等得配置

启动

python PornHub/quickstart.py

运行截图

数据库说明

数据库中保存数据的表是 PhRes。以下是字段说明:

PhRes 表：

• video_title:视频的标题,并作为唯一标识.

• link_url:视频调转到PornHub的链接

• image_url:视频的封面链接

• video_duration:视频的时长，以 s 为单位

• quality_480p: 视频480p的 mp4 下载地址

代码：GitHub：xiyouMc/WebHubBot