python爬虫插入MySQL数据库前去除重复数据的几种方法

在数据存储过程中，可能会遇到数据主键重复的情况，我们可以通过下面几个方法进行处理： 
1. 若数据不存在插入，存在更新 
2. 使用duplicate key关键字，如插入数据时发生主键冲突就更新数据 
3. 使用Ingore关键字 

4. 使用replace into关键字

一、若数据不存在插入，存在更新：

sql = "select name from table where name = ?";

if：

     sql = "update table set name = 'lqp'";

else：

    sql = "INSERT INTO mt_brand(id,name,initial,url,update_time)";

二、使用duplicate key关键字，如插入数据时发生主键冲突就更新数据 
如果数据表存在主键或者索引，可以使用 on duplicate key 来实现重复数据更新

insert into 表名(zhihu_id, topics, url, title, content, answer_num, comments_num,
  watch_user_num, click_num, crawl_time
  )
VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s)
ON DUPLICATE KEY UPDATE content=VALUES(content), answer_num=VALUES(answer_num), comments_num=VALUES(comments_num),
  watch_user_num=VALUES(watch_user_num), click_num=VALUES(click_num)

三、使用Ingore关键字： 
如果是用主键primary或者唯一索引unique区分了记录的唯一性,避免重复插入记录可以使用ingore关键字。 
格式如：INSERT IGNORE INTO * 或者 UPDATE IGNORE SET * 
eg: insert ingore into test(?,?) values(1,”test”);

四、使用replace into关键字： 
replace into 是insert into的增强版。在向表中插入数据时，首先判断数据是否存在；如果不存在，则插入；如果存在，则更新。即旧记录与新记录有相同的值，则在新记录被插入之前，旧记录被删除。 
逻辑类似于：if not exists (select 1 from t where id = 1) ? 
insert into t(id, update_time) values(1, getdate()) 
else 
update table set update_time = getdate() where id = 1

MySQL replace into 有三种形式： 
1、 replace into table(col_name, …) values(…) 
用法类似于insert into的方法 
2、 replace into table(col_name, …) select … 
eg:replace into table1( name, age,) select name, rage from table2; 
3、 replace into table name=value, … 
用法类似于update set用法，使用一个例如“SET name = name + 1”的赋值，则对位于右侧的列名称的引用会被作为DEFAULT(name)处理。因此，该赋值相当于SET name = DEFAULT(name) + 1。