保存數據到MySql數據庫——我用scrapy寫爬蟲（二）
寫在前面
上一篇（https://www.tech1024.com/orig... ）說了如何建立項目，並爬去網站內容，下面咱們說一下如何保存爬去到的數據css
開始爬取
建立Spider，上一篇咱們已經建立了ImoocSpider，咱們作一下修改，能夠連續下一頁爬取。
scrapyDemo/spiders目錄下的ImoocSpider類：html
# -*- coding: utf-8 -*-
import scrapy
from urllib import parse as urlparse
from scrapyDemo.ImoocCourseItem import ImoocCourseItem
# 慕課網爬取
class ImoocSpider(scrapy.Spider):
# spider的名字定義了Scrapy如何定位(並初始化)spider，因此其必須是惟一的
name = "imooc"
# URL列表
start_urls = ['http://www.imooc.com/course/list']
# 域名不在列表中的URL不會被爬取。
allowed_domains = ['www.imooc.com']
def parse(self, response):
learn_nodes = response.css('a.course-card')
item = ImoocCourseItem()
# 遍歷該頁上全部課程列表
for learn_node in learn_nodes:
course_url = learn_node.css("::attr(href)").extract_first()
# 拼接課程詳情頁地址
course_url = urlparse.urljoin(response.url, course_url)
# 課程地址
item['course_url'] = course_url
# 課程圖片
item['image'] = learn_node.css(
"img.course-banner::attr(src)").extract_first()
# 進入課程詳情頁面
yield scrapy.Request(
url=course_url, callback=self.parse_learn, meta=item)
# 下一頁地址
next_page_url = response.css(
u'div.page a:contains("下一頁")::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
# 課程標題
item['title'] = response.xpath(
'//h2[@class="l"]/text()').extract_first()
# 課程簡介
item['brief'] = response.xpath(
'//div[@class="course-brief"]/p/text()').extract_first()
yield item
這裏用到了scrapyDemo目錄下ImoocCourseItem類，下面我就說一下。node
Item數據容器
在scrapyDemo目錄下建立ImoocCourseItem.py，這個類就是咱們用了保存數據的容器，咱們定義了標題、圖片、簡介、地址。
scrapyDemo目錄下ImoocCourseItem類：python
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class ImoocCourseItem(scrapy.Item):
# define the fields for your item here like:
title = scrapy.Field()
# cate = scrapy.Field()
image = scrapy.Field()
# desc = scrapy.Field()
brief = scrapy.Field()
# cate = scrapy.Field()
course_url = scrapy.Field()
pass
Pipeline管道
Pipeline是用來處理抓取到的數據，咱們在scrapyDemo目錄下建立ScrapydemoPipeline.py類mysql
# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
from scrapyDemo.db.dbhelper import DBHelper
class ScrapydemoPipeline(object):
# 鏈接數據庫
def __init__(self):
self.db = DBHelper()
def process_item(self, item, spider):
# 插入數據庫
self.db.insert(item)
return item
別忘了在配置文件中開啓管道哦，scrapyDemo目錄下的settings.py文件中，找到下ITEM_PIPELINES,修改成web
ITEM_PIPELINES = {
'scrapyDemo.pipelines.ScrapydemoPipeline': 300,
}
數據庫操做
這裏面咱們用到了數據庫的操做DBHelper類，那麼咱們在scrapyDemo/db目錄下建立dbhelper.py 模塊，記得再建立一個__init__.py哦。sql
# -*- coding: utf-8 -*-
import pymysql
from twisted.enterprise import adbapi
from scrapy.utils.project import get_project_settings #導入seetings配置
import time
class DBHelper():
'''這個類也是讀取settings中的配置，自行修改代碼進行操做'''
def __init__(self):
settings = get_project_settings() #獲取settings配置，設置須要的信息
dbparams = dict(
host=settings['MYSQL_HOST'], #讀取settings中的配置
db=settings['MYSQL_DBNAME'],
user=settings['MYSQL_USER'],
passwd=settings['MYSQL_PASSWD'],
charset='utf8', #編碼要加上，不然可能出現中文亂碼問題
cursorclass=pymysql.cursors.DictCursor,
use_unicode=False,
)
#**表示將字典擴展爲關鍵字參數,至關於host=xxx,db=yyy....
dbpool = adbapi.ConnectionPool('pymysql', **dbparams)
self.dbpool = dbpool
def connect(self):
return self.dbpool
#建立數據庫
def insert(self, item):
sql = "insert into tech_courses(title,image,brief,course_url,created_at) values(%s,%s,%s,%s,%s)"
#調用插入的方法
query = self.dbpool.runInteraction(self._conditional_insert, sql, item)
#調用異常處理方法
query.addErrback(self._handle_error)
return item
#寫入數據庫中
def _conditional_insert(self, tx, sql, item):
item['created_at'] = time.strftime('%Y-%m-%d %H:%M:%S',
time.localtime(time.time()))
params = (item["title"], item['image'], item['brief'],
item['course_url'], item['created_at'])
tx.execute(sql, params)
#錯誤處理方法
def _handle_error(self, failue):
print('--------------database operation exception!!-----------------')
print(failue)
這裏用到了pymysql和adbapi，adbapi是python的數據庫鏈接池，能夠pip安裝：數據庫
pip install pymysql pip install Twisted
這裏面還用到了get_project_settings方法，意思是從配置文件settings.py裏邊獲取數據庫配置信息，咱們在scrapyDemo目錄下的settings.py文件最後加入數據庫信息swift
#Mysql數據庫的配置信息 MYSQL_HOST = '192.168.6.1' MYSQL_DBNAME = 'scrapy_demo_db' #數據庫名字，請修改 MYSQL_USER = 'root' #數據庫帳號，請修改 MYSQL_PASSWD = 'abc-123' #數據庫密碼，請修改 MYSQL_PORT = 3306 #數據庫端口，在dbhelper中使用
建表語句以下：api
DROP TABLE IF EXISTS `tech_courses`; CREATE TABLE `tech_courses` ( `id` int(11) NOT NULL AUTO_INCREMENT, `title` varchar(255) DEFAULT NULL, `image` varchar(255) DEFAULT NULL, `brief` varchar(255) DEFAULT NULL, `course_url` varchar(255) DEFAULT NULL, `created_at` timestamp NULL DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP, PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=0 DEFAULT CHARSET=utf8mb4;
大功告成
咱們在命令行運行項目
F:\techlee\python\scrapyDemo>scrapy crawl imooc
2017-10-25 23:29:18 [scrapy.utils.log] INFO: Scrapy 1.4.0 started (bot: scrapyDemo)
2017-10-25 23:29:18 [scrapy.utils.log] INFO: Overridden settings: {'BOT_NAME': 'scrapyDemo', 'NEWSPIDER_MODULE': 'scrapyDemo.spiders', 'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['scrapyDemo.spiders']}
2017-10-25 23:29:19 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
……
2017-10-26 00:06:48 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://www.imooc.com/learn/127> (referer: http://www.imooc.com/course/list?page=26)
2017-10-26 00:06:48 [scrapy.core.scraper] DEBUG: Scraped from <200 http://www.imooc.com/learn/127>
{'course_url': 'http://www.imooc.com/learn/127', 'image': '//img1.mukewang.com/53966c2c00018bed06000338-240-135.jpg', 'depth': 26, 'download_timeout': 180.0, 'download_slot': 'www.imooc.com', 'retry_times': 1, 'download_latency': 0.24331021308898926, 'title': '玩兒轉Swift', 'brief': '簡介：咱們指望用戶在看完這套教程後，對swift語言的瞭解能達到中上水平。這意味着在接觸Cocoa Touch將一點兒都不費勁，對一些高級概念，諸如閉包 、協議、泛型、內存管理都能有所理解而且有所實踐。這套教程必定比市面上廣泛看到的Swift中文教程深刻，而且演示示例更豐富。'}
2017-10-26 00:06:48 [scrapy.core.engine] INFO: Closing spider (finished)
2017-10-26 00:06:48 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/exception_count': 24,
'downloader/exception_type_count/twisted.internet.error.TimeoutError': 24,
'downloader/request_bytes': 359595,
'downloader/request_count': 836,
'downloader/request_method_count/GET': 836,
'downloader/response_bytes': 8680952,
'downloader/response_count': 812,
'downloader/response_status_count/200': 812,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2017, 10, 25, 16, 6, 48, 884826),
'item_scraped_count': 779,
'log_count/DEBUG': 1616,
'log_count/INFO': 18,
'log_count/WARNING': 1,
'request_depth_max': 32,
'response_received_count': 812,
'retry/count': 24,
'retry/reason_count/twisted.internet.error.TimeoutError': 24,
'scheduler/dequeued': 835,
'scheduler/dequeued/memory': 835,
'scheduler/enqueued': 835,
'scheduler/enqueued/memory': 835,
'start_time': datetime.datetime(2017, 10, 25, 15, 55, 43, 289328)}
2017-10-26 00:06:48 [scrapy.core.engine] INFO: Spider closed (finished)
若是沒有報錯，咱們的數據庫是否是有數據了呢
779 玩兒轉Swift //img1.mukewang.com/53966c2c00018bed06000338-240-135.jpg 簡介：咱們指望用戶在看完這套教程後，對swift語言的瞭解能達到中上水平。這意味着在接觸Cocoa Touch將一點兒都不費勁，對一些高級概念，諸如閉包、協議、泛型、內存管理都能有所理解而且有所實踐。這套教程必定比市面上廣泛看到的Swift中文教程深刻，而且演示示例更豐富。 http://www.imooc.com/learn/127 2017-10-26 00:06:48
778 iOS9那些神坑 //img1.mukewang.com/576b7a6a0001573206000338-240-135.jpg 簡介：爲啥我用iOS9開發的應用沒法進行網絡請求？爲啥多出了一個Bitcode編譯選項？什麼又是白名單呢？這些都是iOS9的一些新特性，在咱們的這門課程中都會爲你們一一介紹。
http://www.imooc.com/learn/609 2017-10-26 00:06:08
777 Cocos2d-x坦克大戰--上 //img4.mukewang.com/570763d20001662806000338-240-135.jpg 簡介：FC上的坦克大戰相信你們都玩過~有逃學玩坦克的能夠本身默默的扣一個1了~咱們如今長大了，學習遊戲開發了。有沒有想過將小時候玩過的遊戲復刻出來了？不爲了彰顯本身的技術，只爲了小時候由於玩遊戲而逃學捱過的打。由資深遊戲開發者徐波老師爲你們復刻的FC坦克大戰吧
http://www.imooc.com/learn/610 2017-10-26 00:06:08
776 快速入門ThinkPHP 5.0 --模型篇 //img2.mukewang.com/594cf6120001ddaf06000338-240-135.jpg 簡介：一個標準的網站必定離不開數據庫的操做，在本套課程中我和你一塊兒來揭開ThinkPHP5 數據操做的神祕面紗，和你一塊兒愉快的使用 ThinkPHP5 操做數據庫，讓數據庫操做變的更愉悅。 http://www.imooc.com/learn/854 2017-10-26 00:06:08
775 MongoDB Day 2015 深圳 //img4.mukewang.com/56779555000160d106000338-240-135.jpg 簡介：本次年度大會由來自MongoDB內部的專家以及各行業MongoDB大牛關於數據安全、wiredtiger內部機制、OpsManager以及在其它行業方面的成功案例。大會吸引了200多位MongoDB愛好者，會場內座無虛席！ http://www.imooc.com/learn/562 2017-10-26 00:06:08
774 web安全之SQL注入 //img1.mukewang.com/5991489e00019f5c06000338-240-135.jpg 簡介：SQL注入自從WEB和數據庫發展以來就一直存在，並且給WEB應用帶來很大的安全問題，會形成用戶隱私數據的泄露，數據庫版本信息泄露和數據庫攻擊等，給業務帶來很大的損失和很差的社會影響。因此對於咱們WEB開發人員來講，項目開發過程當中必定要培養必定的安全意識，瞭解SQL注入的定義，產生的原理、具體的一些攻擊手法和相應的預防措施，爲了更好的增長開發項目的健壯性和安全性 http://www.imooc.com/learn/883 2017-10-26 00:06:07
773 那些年你遇到的錯誤與異常 //img3.mukewang.com/572b06f40001d1c806000338-240-135.jpg 簡介：本課程主要講解兩部份內容，先從PHP中的錯誤模塊談起，講解了PHP中常見的錯誤類型，剖析了PHP中的錯誤處理。接着又講解了PHP5面向對象過程當中新的錯誤處理方式--異常模塊，由淺入深，講解異常及異常的實戰應用等。 http://www.imooc.com/learn/380 2017-10-26 00:06:07
772 基於Websocket的火拼俄羅斯（基礎） //img3.mukewang.com/59ed96eb0001fe3606000338-240-135.jpg 簡介：本課程主要帶領你們瞭解要實現火拼俄羅斯的基礎知識WebSocket，以及socket.io,爲後續實現火拼俄羅斯打下基礎。 http://www.imooc.com/learn/861 2017-10-26 00:06:07
771 Java定時任務調度工具詳解之Quartz篇 //img1.mukewang.com/5940992d0001cae906000338-240-135.jpg 簡介：本課程是系列課程Java定時任務調度工具詳解中的Quartz篇，本系列課程旨在經過詳細講述Java定時調度工具的基本概念、工具，和這些工具裏面包含的各個組件之間的關係，以及如何使用這些工具來實現定時調度功能，讓學生可以對Java定時調度工具備一個清晰而準確的認識。而後結合一些經典的使用場景經過手把手的命令行操做進行教學，使同窗們得心用手地使用這些定時調度工具來實現本身想要的功能。講師實戰課程已經上線，詳情：http://coding.imooc.com/learn/list/144.html http://www.imooc.com/learn/846 2017-10-26 00:06:07
原文 https://www.tech1024.com/orig...
相關文章
- 1. Python scrapy爬蟲數據保存到MySQL數據庫
- 2. 使用scrapy框架爬蟲並將數據保存到MySQL數據庫
- 3. python之scrapy爬取數據保存到mysql數據庫
- 4. python3 scrapy爬蟲進行爬取數據存入MySQL數據庫
- 5. 將scrapy爬取數據保存到mysql數據庫和mongodb數據庫
- 6. Scrapy 數據保存在mysql數據庫
- 7. 沃保網爬蟲（二）-爬蟲數據保存MySQL--建表
- 8. Scrapy盜墓筆記爬蟲0.1版 保存到數據庫mongode
- 9. node 爬蟲 --- 將爬取到的數據，保存到 mysql 數據庫中
- 10. scrapy--將爬取得數據保存到數據庫中
- 更多相關文章...
- • 數據庫涉及到哪些技術？ - MySQL教程
- • 登錄MySQL數據庫 - MySQL教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Python scrapy爬蟲數據保存到MySQL數據庫
- 2. 使用scrapy框架爬蟲並將數據保存到MySQL數據庫
- 3. python之scrapy爬取數據保存到mysql數據庫
- 4. python3 scrapy爬蟲進行爬取數據存入MySQL數據庫
- 5. 將scrapy爬取數據保存到mysql數據庫和mongodb數據庫
- 6. Scrapy 數據保存在mysql數據庫
- 7. 沃保網爬蟲（二）-爬蟲數據保存MySQL--建表
- 8. Scrapy盜墓筆記爬蟲0.1版 保存到數據庫mongode
- 9. node 爬蟲 --- 將爬取到的數據，保存到 mysql 數據庫中
- 10. scrapy--將爬取得數據保存到數據庫中