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(jìn)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(biāo)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(dǎo)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M(jìn)ysqldb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(jìn)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(dāng)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(dǎo)致相同的數(shù)據(jù)不斷累積,怎么實現(xiàn)增量爬取?
- 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(xué)習(xí)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(dāng)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2023-10-10
Python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(dāng)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(xì),需要的朋友們下面來一起看看吧。2017-03-03
tensorflow實現(xiàn)訓(xùn)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(xùn)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2020-02-02
python 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2018-05-05
Python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(jìn)行統(tǒng)計與計算相關(guān)操作技巧,需要的朋友可以參考下2018-06-06
Python 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(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-01-01

