scrapy mysql数据库_Python3学习系列（十三）：Scrapy将数据存入Mysql数据库

前言：

下面给大家介绍将下载的数据存入到Mysql数据库的用法，数据来源是Mooc的课程。

代码实现：

items.py

from scrapy import Item,Field

class MoocspiderItem(Item):

# define the fields for your item here like:

# name = scrapy.Field()

Url = Field()

Title = Field()

Image_Url = Field()

Student = Field()

Introduction = Field()

settings.py

BOT_NAME = 'MoocSpider'

SPIDER_MODULES = ['MoocSpider.spiders']

NEWSPIDER_MODULE = 'MoocSpider.spiders'

# Crawl responsibly by identifying yourself (and your website) on the user-agent

#USER_AGENT = 'MoocSpider (+http://www.yourdomain.com)'

# Obey robots.txt rules

ROBOTSTXT_OBEY = True

#相信这些代码大家都懂的吧

MYSQL_DB_NAME = 'python_data'

MYSQL_HOST='localhost'

MYSQL_USER='root'

MYSQL_PASSWORD='root'

ITEM_PIPELINES = {

'MoocSpider.pipelines.MysqlPipeline':10,

}

pipelines.py

# -*- coding: utf-8 -*-

# Define your item pipelines here

#

# Don't forget to add your pipeline to the ITEM_PIPELINES setting

# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html

import json

from twisted.enterprise import adbapi

#这里要说一下，要先安装一下MySQLdb，PYTHON用来对数据库进行操作的库

import MySQLdb

#使用了连接池的插入数据库函数

class MysqlPipeline(object):

#def __init__(self):

#self.file = open('MoocSpider1.json','w',encoding='utf-8')

def open_spider(self,spider):

db = spider.settings.get('MYSQL_DB_NAME','python_data')

host = spider.settings.get('MYSQL_HOST','localhost')

port = 3306

user = spider.settings.get('MYSQL_DB_USER','root')

passwd = spider.settings.get('MYSQL_DB_PASSWORD','root')

self.dbpool = adbapi.ConnectionPool('MySQLdb',host=host,db=db,user=user,passwd=passwd,charset='utf8')

def close_spider(self,spider):

self.dbpool.close()

def process_item(self, item, spider):

#读取item中的数据

#line = json.dumps(dict(item), ensure_ascii=False) + "\n"

#写入文件

#self.file.write(line)

#返回item

#return item

self.dbpool.runInteraction(self.insert_db,item)

def insert_db(self,tx,item):

values = (

item['Url'],

item['Title'],

item['Image_Url'],

item['Student'],

item['Introduction'],

)

sql = 'INSERT INTO books VALUES (%s,%s,%s,%s,%s)'

tx.execute(sql,values)

#普通的连接函数

class MysqlPipeline1(object):

def open_spider(self,spider):

db = spider.settings.get('MYSQL_DB_NAME','python_data')

host = spider.settings.get('MYSQL_HOST','localhost')

port = 3306

user = spider.settings.get('MYSQL_DB_USER','root')

passwd = spider.settings.get('MYSQL_DB_PASSWORD','root')

self.db_conn = MySQLdb.connect(host=host,port=port,db=db,user=user,passwd=passwd,charset='utf8')

self.db_cur = self.db_conn.cursor()

def process_item(self, item, spider):

#读取item中的数据

#line = json.dumps(dict(item), ensure_ascii=False) + "\n"

#写入文件

#self.file.write(line)

#返回item

#return item

try:

self.insert_db(item)

self.db_conn.commit()

except Exception as error:

print(error)

return item

def insert_db(self,item):

values = (

item['Url'],

item['Title'],

item['Image_Url'],

item['Student'],

item['Introduction']

)

sql = 'INSERT INTO books VALUES (%s,%s,%s,%s,%s)'

self.db_cur.execute(sql,values)

MoocSpider.py

import scrapy

from MoocSpider.items import MoocspiderItem

from scrapy.selector import Selector

class MoocSpider(scrapy.Spider):

name = 'MoocSpider'

allowed_domains = ['imooc.com']

start_urls = ['http://www.imooc.com/course/list']

def parse(self, response):

html = Selector(response)

item = MoocspiderItem()

base_url = 'http://www.imooc.com'

content = html.xpath('//div[@class="course-card-container"]')

for each in content:

item = MoocspiderItem()

item['Url'] = base_url + each.xpath('.//a/@href').extract_first()

item['Title'] = each.xpath('.//a/div/h3/text()').extract_first()

item['Image_Url'] = each.xpath('.//a/div/img/@src').extract_first()

item['Student'] = each.xpath('.//a/div/div/div/span/text()').extract()[1]

item['Introduction'] = each.xpath('.//a/div/div/p/text()').extract_first()

yield item

#获取下一页的URL

#url = response.xpath('//a[contains(text(),"下一页")]/@href').extract()

#if url:

#page = 'http://www.imooc.com' + url[0]

#yield scrapy.Request(page,callback = self.parse)

参考资料：《精通Scrapy网络爬虫》

转载请注明来自：www.bywalks.com