scrapy mysql 不同的表,scrapy数据存储在mysql数据库的两种方式(同步和异步)

方法一：同步操作

1.pipelines.py文件(处理数据的python文件)

import pymysql

class LvyouPipeline(object):

def __init__(self):

# connection database

self.connect = pymysql.connect(host='XXX', user='root', passwd='XXX', db='scrapy_test') # 后面三个依次是数据库连接名、数据库密码、数据库名称

# get cursor

self.cursor = self.connect.cursor()

print("连接数据库成功")

def process_item(self, item, spider):

# sql语句

insert_sql = """

insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)

"""

# 执行插入数据到数据库操作

self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],

item['Price']))

# 提交，不进行提交无法保存到数据库

self.connect.commit()

def close_spider(self, spider):

# 关闭游标和连接

self.cursor.close()

self.connect.close()

2.配置文件中

方式二 异步储存

pipelines.py文件：

通过twisted实现数据库异步插入，twisted模块提供了 twisted.enterprise.adbapi

1. 导入adbapi

2. 生成数据库连接池

3. 执行数据数据库插入操作

4. 打印错误信息，并排错

import pymysql

from twisted.enterprise import adbapi

# 异步更新操作

class LvyouPipeline(object):

def __init__(self, dbpool):

self.dbpool = dbpool

@classmethod

def from_settings(cls, settings): # 函数名固定，会被scrapy调用，直接可用settings的值

"""

数据库建立连接

:param settings: 配置参数

:return: 实例化参数

"""

adbparams = dict(

host=settings['MYSQL_HOST'],

db=settings['MYSQL_DBNAME'],

user=settings['MYSQL_USER'],

password=settings['MYSQL_PASSWORD'],

cursorclass=pymysql.cursors.DictCursor # 指定cursor类型

)

# 连接数据池ConnectionPool，使用pymysql或者Mysqldb连接

dbpool = adbapi.ConnectionPool('pymysql', **adbparams)

# 返回实例化参数

return cls(dbpool)

def process_item(self, item, spider):

"""

使用twisted将MySQL插入变成异步执行。通过连接池执行具体的sql操作，返回一个对象

"""

query = self.dbpool.runInteraction(self.do_insert, item) # 指定操作方法和操作数据

# 添加异常处理

query.addCallback(self.handle_error) # 处理异常

def do_insert(self, cursor, item):

# 对数据库进行插入操作，并不需要commit，twisted会自动commit

insert_sql = """

insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)

"""

self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],

item['Price']))

def handle_error(self, failure):

if failure:

# 打印错误信息

print(failure)

注意：

1、python 3.x 不再支持MySQLdb，它在py3的替代品是： import pymysql。

2、报错pymysql.err.ProgrammingError: (1064, ……

原因：当item['quotes']里面含有引号时，可能会报上述错误

解决办法：使用pymysql.escape_string()方法

例如：

sql = """INSERT INTO video_info(video_id, title) VALUES("%s","%s")""" % (video_info["id"],pymysql.escape_string(video_info["title"]))

3、存在中文的时候，连接需要添加charset='utf8'，否则中文显示乱码。

4、每执行一次爬虫，就会将数据追加到数据库中，如果多次的测试爬虫，就会导致相同的数据不断累积，怎么实现增量爬取？

scrapy-deltafetch

scrapy-crawl-once(与1不同的是存储的数据库不同)

scrapy-redis

scrapy-redis-bloomfilter(3的增强版，存储更多的url,查询更快)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

时间： 2020-02-17