前文中我们把网络爬虫爬取的数据保存为JSON格式,但为了能够更方便地处理数据,我们希望把这些数据导入到MySQL数据库中。phpMyadmin可以把MySQL数据库中的数据导出为JSON格式文件,但却不能把JSON格式文件导入到MySQL数据库。为了实现这个目标,可以编写Python脚本将JSON格式数据转换为SQL语句以便导入MySQL数据库。
JSON文件tencent.json部分内容:
{"recruitNumber": "1", "name": "SD10-FPS俄语游戏海外PM(深圳)", "detailLink": "http://hr.tencent.com/position_detail.PHP?id=9587&keywords=&tid=0&lid=0", "publishTime": "2013-11-13", "catalog": "产品/项目类", "workLocation": "深圳"}
{"recruitNumber": "2", "name": "HY2-互动娱乐游戏网游财产安全运营专员(深圳)", "detailLink": "http://hr.tencent.com/position_detail.php?id=9482&keywords=&tid=0&lid=0", "publishTime": "2013-11-28", "catalog": "产品/项目类", "workLocation": "深圳"}
在phpMyadmin中创建数据库及表结构:
- CREATE DATABASE itzhaopin;
- CREATE TABLE IF NOT EXISTS `tencent` (
- `id` int(11) NOT NULL auto_increment,
- `name` varchar(512) default NULL,
- `catalog` varchar(64) default NULL,
- `workLocation` varchar(64) default NULL,
- `recruitNumber` varchar(64) default NULL,
- `detailLink` varchar(1024) default NULL,
- `publishTime` varchar(64) default NULL,
- PRIMARY KEY (`ID`)
- ) ENGINE=MyISAM DEFAULT CHARSET=utf8 AUTO_INCREMENT=1;
编写Python脚本
json2sql.py
将JSON格式数据转换为SQL语句:
-
- import json
-
- data = []
- with open('itzhaopin/tencent.json') as f:
- for line in f:
- data.append(json.loads(line))
-
-
-
- str = "\r\n"
- for item in data:
-
- str = str + "insert into tencent(name,catalog,workLocation,recruitNumber,detailLink,publishTime) values "
- str = str + "('%s','%s','%s','%s','%s','%s');\r\n" % (item['name'],item['catalog'],item['workLocation'],item['recruitNumber'],item['detailLink'],item['publishTime'])
-
- import codecs
- file_object = codecs.open('tencent.sql', 'w' ,"utf-8")
- file_object.write(str)
- file_object.close()
- print "success"
执行该python脚本,在当前目录下将生成一个名为tencent.sql的文件,在phpMyadmin中导入并执行该文件,爬虫抓取的数据将导入MySQL数据库。