大约从2010年以来，nosql的发展可谓是风生水起，非关系型、分布式的数据库发展迅猛，开始我们知道甲骨文的Oracle，Mysql，微软的sqlServer，后来我们又知道了mongodb、redis、memcached等，前者是关系型数据库，后者是非关系型数据库（NoSQL）。

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，是 非关系型 数据库，是针对关系型数据库而言的。

• 键值(Key-Value)存储数据库 ，最典型就是Redis。

• 列存储数据库，例如apache的HBase，Facebook 用的就是它。

• 文档型数据库，这个更不用说啦，大名鼎鼎的MongoDb。

• 图形(Graph)数据库，望文生义吧，就是用图像表示实体与实体的关系

• 高扩展性

• 高性能

• 分布式

• 灵活的数据模型

• 低成本

NoSQL在我们实际项目中，哪些地方能用到呢？

前两篇文章中，简单用scrapy写了一个小demo，本篇文章主要目标是完整用scrapy爬取，慕课网所有免费的课程、标题、图片、地址、学习人数、难度、方向、分类、时长、评分、评论数等。

其实，很简单，在上一次的代码中修改调整一下就好。

# -*- coding: utf-8 -*-

import scrapy
import json
from urllib import parse as urlparse
from scrapyDemo.ImoocCourseItem import ImoocCourseItem

# 慕课网爬取
class ImoocSpider(scrapy.Spider):
    # spider的名字定义了Scrapy如何定位(并初始化)spider，所以其必须是唯一的
    name = "imooc"

    # URL列表
    start_urls = ['http://www.imooc.com/course/list']
    #  域名不在列表中的URL不会被爬取。
    allowed_domains = ['www.imooc.com']

    def parse(self, response):
        # 课程类型
        types = response.css('div.course-content .course-nav-row')[2].css(
            '.bd ul li a')
        for key in range(len(types)):
            if key == 0:
                continue
            course_type = types[key].css('::text').extract_first()
            # 类型的url
            type_url = types[key].css('::attr(href)').extract_first()
            # print (item)
            yield scrapy.Request(
                url=urlparse.urljoin(response.url, type_url),
                callback=self.parse_by_type,
                meta={
                    'course_type': course_type
                })

    # 按课程类型爬取
    def parse_by_type(self, response):
        itemBase = response.meta
        item = ImoocCourseItem()
        item['course_type'] = itemBase['course_type']
        # print(item)
        learn_nodes = response.css('a.course-card')
        # 遍历该页上所有课程列表
        for learn_node in learn_nodes:
            course_url = learn_node.css("::attr(href)").extract_first()
            # 拼接课程详情页地址
            course_url = urlparse.urljoin(response.url, course_url)
            # 课程地址
            item['course_url'] = course_url
            # 课程图片
            item['image'] = learn_node.css(
                "img.course-banner::attr(src)").extract_first()
            # 分类
            cate = learn_node.css("div.course-label label::text").extract()
            item['cate'] = ','.join(cate)
            # 进入课程详情页面
            yield scrapy.Request(
                url=course_url, callback=self.parse_learn, meta=item)

        # 下一页地址
        next_page_url = response.css(
            u'div.page a:contains("下一页")::attr(href)').extract_first()
        if next_page_url:
            yield scrapy.Request(
                url=urlparse.urljoin(response.url, next_page_url),
                callback=self.parse_by_type,
                meta={
                    'course_type': item['course_type']
                })

    # 课程详情
    def parse_learn(self, response):
        item = response.meta
        # 课程标题
        item['title'] = response.xpath(
            '//h2[@class="l"]/text()').extract_first()
        # 课程简介
        item['brief'] = response.xpath(
            '//div[@class="course-brief"]/p/text()').extract_first()

        staticItem = response.css(
            'div#main div.statics div.static-item span.meta-value::text'
        ).extract()
        # 难度级别
        item['difficulty_level'] = staticItem[0]
        # 课程时长
        item['duration'] = staticItem[1]
        # 综合评分
        item['overall_rating'] = staticItem[2]
        # 评论数
        item['evaluation_number'] = response.css(
            'a.person-num span.person-num::text').extract_first().replace(
                '人评价', '')
        # 教师id
        item['teacher_id'] = response.css(
            'div.teacher-info a img::attr(data-userid)').extract_first()
        # 学习人数
        ids = response.url.split('/')[-1]
        yield scrapy.Request(
            url=urlparse.urljoin(response.url,
                                 '/course/AjaxCourseMembers?ids=' + ids),
            callback=self.parse_learn_num,
            meta=item)

    # 爬取学习人数
    def parse_learn_num(self, response):
        item = response.meta
        data = json.loads(response.body_as_unicode())
        # 学习人数
        item['learn_num'] = data['data'][0]['numbers']
        # print (item)
        yield item

centos6.8中默认自带的python版本为python2.6，那么这里需要将其改为python3

官方下载地址为 https://www.python.org/downloads/ ，这里已3.6.3为例。

# 下载
 wget https://www.python.org/ftp/python/3.6.3/Python-3.6.3.tgz
# 解压
tar -zxvf Python-3.6.3.tgz

cd Python-3.6.3

[root@localhost ~]# ./configure prefix=/usr/local/python3  --enable-optimizations

[root@localhost ~]# make && make install 

Elasticsearch（以下简称es）是一个实时的分布式搜索和分析引擎。

在搜索引擎方面，不仅仅有Elasticsearch，像另一篇提到的Algolia，还有sphinx、Solr等等，这里不做评价和比较，本篇主要介绍laravel中如何使用Elasticsearch。

这里使用yum方式安装，前提是必须有网络

yum install java-1.8.0-openjdk

你是否在检索千百万级数据时为性能和速度而担忧呢，即使优化了sql，创建了数据库索引，还是不尽如人意呢？ 下面就主要介绍laravel如何集成Algolia

Algolia是法国初创公司为你提供毫秒级的数据库实时搜索服务，天下武功无坚不摧，唯快不破。记住哦，是毫秒级。

本文基于laravel5.5，其他版本大同小异。

composer require laravel/scout
composer require algolia/algoliasearch-client-php

经常我们做项目都团队协作开发，每个人都在自己本地的数据库，如果你曾经出现过让同事手动在数据库结构中添加字段的情况，数据库迁移可以解决你这个问题。

不仅如此，在线上部署的时候，也避免了手动导入数据库或手动修改数据结构的麻烦，数据迁移帮你方便的维护着数据结构。

数据填充，让我们测试的时候需要大量的假数据不再一条一条的去造数据，可以轻松的批量填充大量数据。

本文基于Laravel5.5，其他版本大同小异。

上一篇（https://www.tech1024.cn/original/2951.html ）说了如何创建项目，并爬去网站内容，下面我们说一下如何保存爬去到的数据

创建Spider，上一篇我们已经创建了ImoocSpider，我们做一下修改，可以连续下一页爬取。 scrapyDemo/spiders目录下的ImoocSpider类：

# -*- coding: utf-8 -*-

import scrapy
from urllib import parse as urlparse
from scrapyDemo.ImoocCourseItem import ImoocCourseItem

# 慕课网爬取
class ImoocSpider(scrapy.Spider):
    # spider的名字定义了Scrapy如何定位(并初始化)spider，所以其必须是唯一的
    name = "imooc"

    # URL列表
    start_urls = ['http://www.imooc.com/course/list']
    #  域名不在列表中的URL不会被爬取。
    allowed_domains = ['www.imooc.com']

    def parse(self, response):
        learn_nodes = response.css('a.course-card')

        item = ImoocCourseItem()
        # 遍历该页上所有课程列表
        for learn_node in learn_nodes:
            course_url = learn_node.css("::attr(href)").extract_first()
            # 拼接课程详情页地址
            course_url = urlparse.urljoin(response.url, course_url)
            # 课程地址
            item['course_url'] = course_url
            # 课程图片
            item['image'] = learn_node.css(
                "img.course-banner::attr(src)").extract_first()
            # 进入课程详情页面
            yield scrapy.Request(
                url=course_url, callback=self.parse_learn, meta=item)

        # 下一页地址
        next_page_url = response.css(
            u'div.page a:contains("下一页")::attr(href)').extract_first()
        if next_page_url:
            yield scrapy.Request(
                url=urlparse.urljoin(response.url, next_page_url),
                callback=self.parse)

    def parse_learn(self, response):
        item = response.meta
        # 课程标题
        item['title'] = response.xpath(
            '//h2[@class="l"]/text()').extract_first()
        # 课程简介
        item['brief'] = response.xpath(
            '//div[@class="course-brief"]/p/text()').extract_first()
        yield item

经常在朋友圈，QQ空间、微博上看到动态的发布时间、评论时间，都显示，昨天，前天，几天前，比起直接显示几月几日几分几秒要优雅的多。

于是自己的项目也想采用这种优雅直观的方式，网上找了各种计算相差几天的的例子，都是直接将时间戳相见除以86400，比如现在是17:08，动态更新的时间为前天22:00，这种方式计算的相差天数为1，而不是两天前。

实际情况应该是，昨天任何时间都算一天前，前天任意时间都算2天前，所以自己琢磨了一番，去动态更新时间与今天23:59:59相差的时间秒数与86400（24 x 3600）相除后，向下取整，这样就得到了相差的天数，比如昨天00:00~昨天23:59:59的任何时间与今天的23:59:59，都相差 86400~（86400 x 2） 天，也就是2天。

经常我们在做项目的时候，会有按首字母排序的需求 比如： 美团的城市选择 http://www.meituan.com/index/changecity/initiative app中按字母搜索

网上找了各种，不尽人意，于是，自己就写了一个，分享给大家。