python3.7.2+scrapy爬虫+mysql5入库

1 篇文章 0 订阅
1 篇文章 0 订阅
  1. 生成项目

    scrapy startproject scrapyMysql

  2. 生成爬虫

    scrapy genspider inputMysql lab.scrapyd.cn

  3. item.py

    # -- coding: utf-8 --
    import scrapy
    class ScrapymysqlItem(scrapy.Item):
    # 标签字段
    tag = scrapy.Field()
    # 名言内容
    cont = scrapy.Field()
    # 内容详情地址
    url = scrapy.Field()
    # 作者信息
    author = scrapy.Field()

  1. settings.py
    增加

    ITEM_PIPELINES = {
    ‘scrapyMysql.MySQLPipelines.MySQLPipeline’: 300,
    }

  2. MySQLPipelines.py

    # -- coding: utf-8 --
    import pymysql.cursors
    class MySQLPipeline(object):
    def init(self):
    # 链接数据库
    self.connect = pymysql.connect(
    host=‘127.0.0.1’, # 数据库地址
    port=3306, # 数据库端口
    db=‘scrapyMysql’, # 数据库名
    user=‘root’, # 数据库用户名
    passwd=‘root’, # 数据库密码
    charset=‘utf8’, # 编码方式
    use_unicode=True
    )
    # 通过cursor执行增删查改
    self.cursor = self.connect.cursor()
    def process_item(self, item, spider):
    self.cursor.execute(
    # 纯python操作mysql知识,不熟悉恶补
    “”“insert into mingyan(tag, cont,url,author) value (%s, %s,%s,%s)”"",
    # item里定义的字段和表字段对应
    (item[‘tag’],item[‘cont’],item[‘url’],item[‘author’],)
    )
    # 提交SQL语句
    self.connect.commit()
    # 必须实现返回
    return item

  3. 创建数据库

    scrapymysqlscrapymysql

  4. 创建表

    DROP TABLE IF EXISTS mingyan;
    CREATE TABLE mingyan (
    id int(10) NOT NULL AUTO_INCREMENT,
    tag varchar(255) DEFAULT NULL,
    cont mediumtext,
    url varchar(255) DEFAULT NULL,
    author varchar(255) DEFAULT NULL,
    PRIMARY KEY (id)
    ) ENGINE=InnoDB AUTO_INCREMENT=150 DEFAULT CHARSET=utf8mb4;

  5. 编写爬虫inputMysql.py

# -*- coding: utf-8 -*-
import scrapy
# 引入Item
from scrapyMysql.items import ScrapymysqlItem
class InputmysqlSpider(scrapy.Spider):
    name = 'inputMysql'
    allowed_domains = ['lab.scrapyd.cn']
    start_urls = ['http://lab.scrapyd.cn/']
    def parse(self, response):
        mingyan = response.css('div.quote')
        # 实例化item类
        item = ScrapymysqlItem()
        # 循环获取每一条名言里面的:名言内容、作者、标签、链接地址
        for v in mingyan:
            # 提取名言
            item['cont'] = v.css('.text::text').extract_first()
            # 提取标签
            tags = v.css('.tags .tag::text').extract()
            # 数组转换为字符串
            item['tag'] = ','.join(tags)
            # 提取内容详情地址
            item['url'] = v.css('a::attr(href)').extract_first()
            # 提取作者
            item['author'] = v.css('small.author::text').extract_first()
            # 把提取的数据提交给pipline处理
            yield item
        # css选择器提取下一页链接
        next_page = response.css('li.next a::attr(href)').extract_first()
        # 判断是否存在下一页
        if next_page is not None:
            next_page = response.urljoin(next_page)
            # 提交给parse继续抓取下一页
            yield scrapy.Request(next_page,callback=self.parse)
        pass
  1. 执行爬虫

    scrapy crawl inputMysql

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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