Python爬虫-MySQL

Python爬虫-MySQL

前言

在请求数据、提取数据后，我们还需要做什么呢？答案无疑是：存储数据。这之前，我们每一次都将数据保存在文本txt格式中，这没什么不可以的。但并不存在“各样问题最优解指向同一答案”。我们需要多掌握——至少也得是了解——主流存储数据的方法。
会以MySQL，MongDB，Redis顺序，以及其他这样的顺序一一介绍。然而我们并非担任“数据管理员”一职，所以介绍内容可能相对“简陋”，但我想够用就好，必要时动动手指找度娘！（并非我不用谷歌，是不想把你们“基佬”化）

三范式

MySQL的一种规范。说到它，我们应该立马在脑海里反应出“关系型数据”。
1. 第一范式：列不可以拆分
2. 第二范式：唯一标识(通过属性找到唯一对象)
3. 第三范式：引用主键(引用关系的时候只能引用主键)
每一个范式都建立在前一个范式的基础之上

常用字段类型

1. 数字类型：int, decimal
2. 字符串：char(固定长度，无数据自己补充), varchar(可变长度)，text
   关于三者的详细区别
3. 日期：datetime
4. 布尔：bit

约束

1. 主键约束：primary key
2. 非空：not null
3. 唯一：unique
4. 默认：default
5. 外键：foreign key

SQL语句命令行

登陆操作

（同样，我仍不爱讲如何安装，因为安装环境才是最难环节有木有啊）
1. 启动数据库：win环境net start mysql；ubuntu环境service mysql start
2. 关闭数据库：win环境net stop mysql；ubuntu环境service mysql stop
3. 登陆数据库：mysql -u 用户 -p；远程登陆数据库：mysql -h ip地址 -u 用户 -p（远程连接需要设置，后面会讲）

用户操作

首次安装mysql后需要root账户登陆，密码为空，一般情况下，我们需要为root设置一下密码
1. alter user "root"@"localhost" identified by "newPassword";
2. 另一种修改密码方式：
set password for "username"@"localhost"=password("newPassword");
如果修改的是当前用户密码也可以：set password=password("newpassword");
==上面的localhost并非固定，需要看实际情况，但一般默认为localhost。查看方式：==
use mysql;使用名为mysql的数据库
select Host,User from user;显示user表中的Host,User字段

3. 一般不会直接root账户对数据库操作，所以创建普通用户：
create user "username"@"localhost" identified by "password"（localhost的意思是本地，如果需要远程访问，可以改为：%）
4. 为用户授权：
grant all on *.* to "username"@"loaclhost"（全部权限）
grant all privileges on databasename.tablename to "username"@"localhost"
（仅增删查改的权限，指定某个数据库的某个表）
5. 撤销权限：
revoke all privileges on databaseName.tableName from "user"@"localhost"
==撤销命令一定要对应授权语句，即：权限部分，针对数据必须一样，不然不起作用==
6. 查看授权语句：show grants for "username"@"%";

7. 删除用户：drop user "test"@"localhost";

数据库操作

1. 退出：quit;或者exit;
2. 显示时间：select now();
3. 查看版本：select version()
4. 创建数据库并且指定编码方式：create database 数据库名 charset=utf8;
5. 删除数据库：drop database 数据库名;
6. 切换数据库：use 数据库名;
7. 查看当前使用数据库：select databse();
8. 查看用户所有数据库名：show databases;

表操作

1. 创建表：
   create table 表名(id int auto_increment primary key not null,sname varchar(10) not null);表示创建一个表，有id字段，自增长型，主键，不为空；sname字段，varchar类型，限长10，不为空（不写not null默认可为空，且不能创建空表）
2. 增加列表：alter table 表名 add 列名 数据类型;
3. 修改列名：alter table 表名 change 旧列 新列 数据类型
   如果仅仅修改数据类型，旧列和新列仍要写出来，写一样；或者另一种方法：
   alter table 表名 modify 列名 数据类型;
4. 修改表明：rename table 表名(旧) to 表名(新);
5. 查看表的创建语句：show create table 表名;
6. 查看表结构：desc 表名;
7. 删除表：drop table 表名;

数据操作

1. 增(insert)
   a. 全列插入：insert into 表名 values(值1,值2...);
   b. 缺省插入：insert into 表名(列1,列2...) values(值1,值2);
   c. 同时插入多条数据：
   insert into 表名 values(...),(...)...;
insert into 表名(...) values(...),(...)...;
   ==主键如果是自增长型，全列插入时需要占位，通常用0，插入成功后以实际数据为准==
2. 删(delete)
   a. 物理删除：delete from where 条件;
   b. 逻辑删除：一般重要数据不做直接删除，可以添加列isdelete数据类型为bit，默认值0，如果删除对其赋值1
   alter table 表名 add isdelete bit default 0;
3. 查(select)
   a. 条件查询：select * from 表名 where 条件;
   b. 模糊查询：
   select * from 表名 where 列名 like "黄%";
select * from 表名 where 列名 like "黄_";
   d. 查询范围：
   ... where id in (1, 3, 5);id值为1，3， 5
   ...where id between 1 and 4;id值在1~4间，包括1，4
   ... where id is null;id值为0
   e. 如果某列数据类型二进制，直接查询是不会显示
   select isdelete+0 from...十进制显示
   select bin(isdelete+0) from...二进制显示
   select oct(isdelete+0) from...八进制显示
   select hex(isdelete+0) from...十六进制显示
   
   e. 综合：...where 条件A and 条件B ...;
   ==条件可以随意搭配，通过and，or连接，优先级：括号>not>比较运算符>逻辑运算符；and比or先运算==
4. 改(update)
   a. update 表名 set 列1=值1,... where 条件;

事务

1. 什么是事务：一个业务需要多个操作时，如果有一个失败，那么看做全部失败。使用事物即可以退回到所有操作之前，使得数据不会受损
2. 事务的四个特性（ACID）：
   a) 原子性(A)：事务的操作不可分割，要么都执行，要么都不执行
   b) 一致性(C)：几个并行执行的事务，其执行结果必须与按某一顺序串行执行的结果相一致
   c) 隔离性(I)：事务的执行不受其他事务的干扰，产生的中间结果对于其他事务来说必须是透明的
   d) 持久性(D)：对于任意已提交的事务，系统必须保证该事务对数据的改变不被丢失，即使数据出现故障
   ==表的格式必须是innodb 或者 bdb,才可以对这个表使用事务==
3. 查看表的创建语句：
   show create table students;
4. 修改表的类型：
   alter table students engine=innodb;
5. 事务语句：
   a) begin 开始
   b) commit 提交
   c) rollback 回滚

与Python交互

1. 导包：import pymysql
2. 创建连接对象
   conn = pymysql.connect(host="",port=3306, user="", password="",db="");
   默认开启事务，对应方法：conn.commit()提交；rollback()回滚
3. 创建光标对象
   cursor = connect.cursor();
   对象方法：
   a. cursor.execute(sql)执行sql语句
   b. cursor.fetchall()如果执行的是查询语句，fetchall()负责返回查询到的全部结果，返回元组类型
4. 关闭光标以及数据库连接
   cursor.close()
conn.close()

QQ音乐之体面

目标歌曲《体面》，热门评论4000条
虽然QQ音乐号称四千条，实际抓取下来只有3600+，我随机查看了一些接口，发现的确不可能四千条

关注点：
1. 注意数据来源，这次不是获取静态网页，而是通过chrome浏览器开发者工具找到热评的API接口
2. 数据库插入遇到表情符，修改编码格式为utf8mb4
如果windows环境可以以下操作
a. 在mysql的安装目录下找到my.ini，做如下修改：
[mysqld]
character-set-server=utf8mb4
[mysql]
default-character-set=utf8mb4
修改后重启mySQL：net stop mysql ; net start mysql
b.将已经创建好的表也转换成utf8mb4
alter table 表名 convert to character set utf8mb4 collate utf8mb4_bin;
3. 数据库插入双引号报错问题
利用replace()替换，将所有英文双引号转义（\"）

在最后

1. MySQL的操做远不止这些，但针对【爬虫】而言中，需要用到的操做以上应该足够，如果想深入，可以网上查询资料学习
2. 利用pymysql模块可以动态创建数据库和数据表，但不建议这样做，应该提前在mysql中创建好

完整代码已上传GitHub，点击可查看。