Python爬虫数据建立Navicat连接

我们以一个爬虫代码为例,我这里爬取的是豆瓣的评论

一、爬虫代码(代码可复制)

​
import pymysql
import requests
from bs4 import BeautifulSoup
import pandas as pd
import os
import random
from time import sleep
 
from pymysql.cursors import Cursor
 
# 请求头
h1 = {
    'Cookie': 'bid=zBa9OSUKR3U; _pk_id.100001.4cf6=573e4774bfb06446.1701225708.; _pk_ses.100001.4cf6=1; ap_v=0,6.0; __utma=30149280.1110594257.1701225708.1701225708.1701225708.1; __utmb=30149280.0.10.1701225708; __utmz=30149280.1701225708.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=223695111.330245772.1701225708.1701225708.1701225708.1; __utmb=223695111.0.10.1701225708; __utmz=223695111.1701225708.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmc=30149280; __utmc=223695111',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate',
    'Host': 'movie.douban.com',
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
    'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
    'Referer': 'https://movie.douban.com/subject/35267224/?from=showing',
    'Connection': 'keep-alive'
}
 
 
def trans_star(v_str):
    """转换评论星级"""
    v_str = v_str[0]
    if v_str == 'allstar10':
        return '1星'
    elif v_str == 'allstar20':
        return '2星'
    elif v_str == 'allstar30':
        return '3星'
    elif v_str == 'allstar40':
        return '4星'
    elif v_str == 'allstar50':
        return '5星'
    else:
        return '未知'
 
 
def get_short(v_movie_id):
    """爬取短评数据"""
    for page in range(1, max_page + 1):  # 爬取前n页
        requests.packages.urllib3.disable_warnings()
        # 请求地址
        url = 'https://movie.douban.com/subject/{}/comments?start={}&limit=20&status=P&sort=new_score'.format(
            v_movie_id, (page - 1) * 20)
        # 发送请求
        response = requests.get(url, headers=h1, verify=False)
        print(response.status_code)
        # 解析页面数据
        soup = BeautifulSoup(response.text, 'html.parser')
        # 所有评论数据
        reviews = soup.find_all('div', {'class': 'comment'})
        print('开始爬取第{}页,共{}条评论'.format(page, len(reviews)))
        sleep(random.uniform(1, 2))
        # 定义空列表用于存放数据
        user_name_list = []  # 评论者昵称
        star_list = []  # 评论星级
        time_list = []  # 评论时间
        ip_list = []  # 评论者ip属地
        vote_list = []  # 有用数
        content_list = []  # 评论内容
        for review in reviews:
            # 评论者昵称
            user_name = review.find('span', {'class': 'comment-info'}).find('a').text
            user_name_list.append(user_name)
            # 评论星级
            star = review.find('span', {'class': 'comment-info'}).find_all('span')[1].get('class')
            star = trans_star(star)
            star_list.append(star)
            # 评论时间
            time2 = review.find('span', {'class': 'comment-time'}).text.strip()
            print('评论时间:', time2)
            time_list.append(time2)
            # 评论者IP属地
            ip = review.find('span', {'class': 'comment-location'}).text
            ip_list.append(ip)
            # 有用数
            vote = review.find('span', {'class': 'votes vote-count'}).text
            vote_list.append(vote)
            # 评论内容
            content = review.find('span', {'class': 'short'}).text
            content = content.replace(',', ',').replace(' ', '').replace('\n', '').replace('\t', '').replace('\r', '')
            content_list.append(content)
        df = pd.DataFrame(
            {
                '页码': page,
                '评论者昵称': user_name_list,
                '评论星级': star_list,
                '评论时间': time_list,
                '评论者IP属地': ip_list,
                '有用数': vote_list,
                '评论内容': content_list,
            }
        )
 
    
 
if __name__ == '__main__':
    # 电影id
    movie_id = '35556001'
    # 最大爬取页
    max_page = 1  # 最大为30页
    # 保存文件名
    result_file = '豆瓣短评_{}_前{}页.csv'.format(movie_id, max_page)
    # 如果csv文件存在,先删除之
    if os.path.exists(result_file):
        os.remove(result_file)
        print('结果文件存在,已删除: {}'.format(result_file))
    # 循环爬取短评
    get_short(movie_id)

​

二、连接数据库

# host:地址    potr:端口     user:用户名    password:密码     db:数据库名     charset:编码
    db = pymysql.connect(host="172.22.67.216", port=3306, user="root", password="password", db="douban", charset="utf8mb4")
 
    cursor = db.cursor()  # 创建游标

三、在Navicat中创建数据表

1、创建数据库

2、创建数据表

3、

4、将数据爬取到数据库中,代码如下(插入到此代码后:data_json = df.to_dict(orient='records')

			for dt in data_json:
			print(dt)
			sql = 'insert into douban_data values ("%s","%s","%s","%s","%s","%s","%s")' % (dt['页码'], dt['评论者昵称'], dt['评论星级'], dt['评论时间'],dt['评论者IP属地'],dt['有用数'],dt['评论内容'])
			cursor.execute(sql)  # 执行语句
			db.commit()

4、运行结果

①pycharm结果

②、navicat结果

四、完整代码如下(密码记得改)

# 程序功能:爬豆瓣电影上指定电影的短评
# 原创作者:马哥python说
import pymysql
import requests
from bs4 import BeautifulSoup
import pandas as pd
import os
import random
from time import sleep
 
# 请求头
h1 = {
	'Cookie': 'push_doumail_num=0; push_noty_num=0; __utma=30149280.1151507141.1691746479.1691838193.1691884263.3; __utmb=30149280.2.10.1691884263; __utmc=30149280; __utmv=30149280.26293; __utmz=30149280.1691746479.1.1.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; __utma=223695111.1188941628.1691838193.1691838193.1691884263.2; __utmb=223695111.0.10.1691884263; __utmc=223695111; __utmz=223695111.1691838193.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); _pk_id.100001.4cf6=610164de88bfd1f6.1691838192.; _pk_ses.100001.4cf6=1; frodotk_db="476b96b00b85eedcd642c4102291cc94"; _vwo_uuid_v2=D9E118F4F6B78D49AA45E890651B60D83|f7399d09229b7a7906e386d7de9b51e3; __gads=ID=44e41150db843457-229c4d3ad1e200f5:T=1691884287:RT=1691884287:S=ALNI_Mb0FbtUn4Dl5XTVzWTi_bgHI2jyXw; __gpi=UID=00000c2be27ac58c:T=1691884287:RT=1691884287:S=ALNI_Mb-thWIP8vXox9B-gc1my-oFwNKdQ; __yadk_uid=X3aHdYAhG4sEH2yWtFmZSGWsvKkUwVcE; ll="118088"; __utmt=1; ap_v=0,6.0; ck=TvDm; dbcl2="262932835:S3nkDWyGCm4"; bid=bMogmzojhhM',
	'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
	'Accept-Encoding': 'gzip, deflate',
	'Host': 'movie.douban.com',
	'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
	'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
	'Referer': 'https://movie.douban.com/subject/35556001/comments?start=0&limit=20&status=P&sort=new_score',
	'Connection': 'keep-alive'
}
 
 
def trans_star(v_str):
	"""转换评论星级"""
	v_str = v_str[0]
	if v_str == 'allstar10':
		return '1星'
	elif v_str == 'allstar20':
		return '2星'
	elif v_str == 'allstar30':
		return '3星'
	elif v_str == 'allstar40':
		return '4星'
	elif v_str == 'allstar50':
		return '5星'
	else:
		return '未知'
 
 
def get_short(v_movie_id, data_json=None):
	"""爬取短评数据"""
	for page in range(1, max_page + 1):  # 爬取前n页
		requests.packages.urllib3.disable_warnings()
		# 请求地址
		url = 'https://movie.douban.com/subject/35556001/comments?start=0&limit=20&status=P&sort=new_score'.format(
			v_movie_id, (page - 1) * 20)
		# 发送请求
		response = requests.get(url, headers=h1, verify=False)
		print(response.status_code)
		# 解析页面数据
		soup = BeautifulSoup(response.text, 'html.parser')
		# 所有评论数据
		reviews = soup.find_all('div', {'class': 'comment'})
		print('开始爬取第{}页,共{}条评论'.format(page, len(reviews)))
		sleep(random.uniform(1, 2))
		# 定义空列表用于存放数据
		user_name_list = []  # 评论者昵称
		star_list = []  # 评论星级
		time_list = []  # 评论时间
		ip_list = []  # 评论者ip属地
		vote_list = []  # 有用数
		content_list = []  # 评论内容
		for review in reviews:
			# 评论者昵称
			user_name = review.find('span', {'class': 'comment-info'}).find('a').text
			user_name_list.append(user_name)
			# 评论星级
			star = review.find('span', {'class': 'comment-info'}).find_all('span')[1].get('class')
			star = trans_star(star)
			star_list.append(star)
			# 评论时间
			time2 = review.find('span', {'class': 'comment-time'}).text.strip()
			print('评论时间:', time2)
			time_list.append(time2)
			# 评论者IP属地
			ip = review.find('span', {'class': 'comment-location'}).text
			ip_list.append(ip)
			# 有用数
			vote = review.find('span', {'class': 'votes vote-count'}).text
			vote_list.append(vote)
			# 评论内容
			content = review.find('span', {'class': 'short'}).text
			content = content.replace(',', ',').replace(' ', '').replace('\n', '').replace('\t', '').replace('\r', '')
			content_list.append(content)
		df = pd.DataFrame(
			{
				'页码': page,
				'评论者昵称': user_name_list,
				'评论星级': star_list,
				'评论时间': time_list,
				'评论者IP属地': ip_list,
				'有用数': vote_list,
				'评论内容': content_list,
			}
		)
 
	data_json = df.to_dict(orient='records')
 
	for dt in data_json:
		print(dt)
		# 定义sql语句
		sql= 'insert into douban_data values ("%s","%s","%s","%s","%s","%s","%s")' % (dt['页码'], dt['评论者昵称'],dt["评论星级"],dt["评论时间"],dt["评论者IP属地"],dt["有用数"], dt["评论内容"])
 
		cursor.execute(sql)  # 执行语句
		db.commit()
 
 
 
 
 
		# 设置csv文件表头
		if os.path.exists(result_file):
			header = False
		else:
			header = True
		# 保存到csv文件
		df.to_csv(result_file, mode='a+', header=header, index=False, encoding='utf8')
		print('文件保存成功:', result_file)
 
 
if __name__ == '__main__':
 
# 定义数据库
		# host:地址    potr:端口     user:用户名    password:密码     db:数据库名     charset:编码
	db = pymysql.connect(host="localhost", port=3306, user="root", password="******", db="douban",
							 charset="utf8mb4")
	cursor = db.cursor()  # 创建游标
 
	# sql = 'select * from douban_data'
	# cursor.execute(sql)
	# row_count = cursor.rowcount
	#
	# cursor.rownumber = 0
	# fetchone1 = cursor.fetchone()
	# # # #
	# cursor.rownumber = 2
	# fetchone2 = cursor.fetchone()
	# #
	# cursor.rownumber = 4
	# fetchone3 = cursor.fetchone()
 
	# fetchmany = cursor.fetchmany(6)
	# fetchall = cursor.fetchall()
	#
	# print('fetchone1')
	# print('fetchone2')
	# print('fetchone3')
 
	# 电影id
	movie_id = '35556001'
	# 最大爬取页
	max_page = 1  # 最大为30页
	# 保存文件名
	result_file = '豆瓣短评_{}_前{}页.csv'.format(movie_id, max_page)
	# 如果csv文件存在,先删除之
	if os.path.exists(result_file):
		os.remove(result_file)
		print('结果文件存在,已删除: {}'.format(result_file))
	# 循环爬取短评
	get_short(movie_id)

五、开始执行

注:执行前先断点119-151,两处断点(用于执行),后点击调试(绿色的小蜘蛛)。

这是执行查询的主要代码

sql = 'select * from douban_data'
cursor.execute(sql)
row_count = cursor.rowcount
#
cursor.rownumber = 0
fetchone1 = cursor.fetchone()

1、查询第一条记录

执行134-135代码

2、查询行第一、第三、第五条记录

执行134-141

3、查询前六条

关闭前面的,执行143-144

4、查询全部

只执行143或者144

  • 9
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值