scrapy數(shù)據(jù)存儲在mysql數(shù)據(jù)庫的兩種方式(同步和異步)
方法一:同步操作
1.pipelines.py文件(處理數(shù)據(jù)的python文件)
import pymysql class LvyouPipeline(object): def __init__(self): # connection database self.connect = pymysql.connect(host='XXX', user='root', passwd='XXX', db='scrapy_test') # 后面三個依次是數(shù)據(jù)庫連接名、數(shù)據(jù)庫密碼、數(shù)據(jù)庫名稱 # get cursor self.cursor = self.connect.cursor() print("連接數(shù)據(jù)庫成功") def process_item(self, item, spider): # sql語句 insert_sql = """ insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s) """ # 執(zhí)行插入數(shù)據(jù)到數(shù)據(jù)庫操作 self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'], item['Price'])) # 提交,不進行提交無法保存到數(shù)據(jù)庫 self.connect.commit() def close_spider(self, spider): # 關(guān)閉游標和連接 self.cursor.close() self.connect.close()
2.配置文件中
方式二 異步儲存
pipelines.py文件:
通過twisted實現(xiàn)數(shù)據(jù)庫異步插入,twisted模塊提供了 twisted.enterprise.adbapi
1. 導入adbapi
2. 生成數(shù)據(jù)庫連接池
3. 執(zhí)行數(shù)據(jù)數(shù)據(jù)庫插入操作
4. 打印錯誤信息,并排錯
import pymysql from twisted.enterprise import adbapi # 異步更新操作 class LvyouPipeline(object): def __init__(self, dbpool): self.dbpool = dbpool @classmethod def from_settings(cls, settings): # 函數(shù)名固定,會被scrapy調(diào)用,直接可用settings的值 """ 數(shù)據(jù)庫建立連接 :param settings: 配置參數(shù) :return: 實例化參數(shù) """ adbparams = dict( host=settings['MYSQL_HOST'], db=settings['MYSQL_DBNAME'], user=settings['MYSQL_USER'], password=settings['MYSQL_PASSWORD'], cursorclass=pymysql.cursors.DictCursor # 指定cursor類型 ) # 連接數(shù)據(jù)池ConnectionPool,使用pymysql或者Mysqldb連接 dbpool = adbapi.ConnectionPool('pymysql', **adbparams) # 返回實例化參數(shù) return cls(dbpool) def process_item(self, item, spider): """ 使用twisted將MySQL插入變成異步執(zhí)行。通過連接池執(zhí)行具體的sql操作,返回一個對象 """ query = self.dbpool.runInteraction(self.do_insert, item) # 指定操作方法和操作數(shù)據(jù) # 添加異常處理 query.addCallback(self.handle_error) # 處理異常 def do_insert(self, cursor, item): # 對數(shù)據(jù)庫進行插入操作,并不需要commit,twisted會自動commit insert_sql = """ insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s) """ self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'], item['Price'])) def handle_error(self, failure): if failure: # 打印錯誤信息 print(failure)
注意:
1、python 3.x 不再支持MySQLdb,它在py3的替代品是: import pymysql。
2、報錯pymysql.err.ProgrammingError: (1064, ……
原因:當item['quotes']里面含有引號時,可能會報上述錯誤
解決辦法:使用pymysql.escape_string()方法
例如:
sql = """INSERT INTO video_info(video_id, title) VALUES("%s","%s")""" % (video_info["id"],pymysql.escape_string(video_info["title"]))
3、存在中文的時候,連接需要添加charset='utf8',否則中文顯示亂碼。
4、每執(zhí)行一次爬蟲,就會將數(shù)據(jù)追加到數(shù)據(jù)庫中,如果多次的測試爬蟲,就會導致相同的數(shù)據(jù)不斷累積,怎么實現(xiàn)增量爬???
- scrapy-deltafetch
- scrapy-crawl-once(與1不同的是存儲的數(shù)據(jù)庫不同)
- scrapy-redis
- scrapy-redis-bloomfilter(3的增強版,存儲更多的url,查詢更快)
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python使用JDAudioCrawler將下載的音頻存儲到本地
在當今數(shù)字化時代,音頻數(shù)據(jù)的獲取和處理變得越來越重要,本文將訪問網(wǎng)易云音樂為案例,介紹如何使用JDAudioCrawler這個強大的工具,將音頻數(shù)據(jù)存儲下載到本地存儲中,需要的可以了解下2023-10-10Python中的命令行參數(shù)解析工具之docopt詳解
docopt 是一個用來解析命令行參數(shù)的工具,當想要在 Python 程序后面附加參數(shù)時,就不需要再為此而發(fā)愁了。下面這篇文章主要介紹了Python中命令行參數(shù)解析工具之docopt的相關(guān)資料,介紹的非常詳細,需要的朋友們下面來一起看看吧。2017-03-03tensorflow實現(xiàn)訓練變量checkpoint的保存與讀取
今天小編就為大家分享一篇tensorflow實現(xiàn)訓練變量checkpoint的保存與讀取,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02python 實現(xiàn)登錄網(wǎng)頁的操作方法
今天小編就為大家分享一篇python 實現(xiàn)登錄網(wǎng)頁的操作方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05Python實現(xiàn)的微信好友數(shù)據(jù)分析功能示例
這篇文章主要介紹了Python實現(xiàn)的微信好友數(shù)據(jù)分析功能,結(jié)合實例形式分析了Python使用itchat、pandas、pyecharts等模塊針對微信好友數(shù)據(jù)進行統(tǒng)計與計算相關(guān)操作技巧,需要的朋友可以參考下2018-06-06Python urlopen()和urlretrieve()用法解析
這篇文章主要介紹了Python urlopen()和urlretrieve()用法解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-01-01