我们都知道mysql数据库能存储大量数据,但是你知道数据是怎么存储在mysql中的吗?
一般将数据保存到MySQL中有两种方式,同步模式和异步模式。
同步模式
同步模式是采用SQL语句,将数据插入到数据库中。但是要注意的是Scrapy的解析速度要远大于MySQL的入库速度,当有大量解析的时候,MySQL的入库就可能会阻塞。import MySQLdbclass MysqlPipeline(object):def __init__(self):self.conn = MySQLdb.connect('127.0.0.1','root','root','article_spider',charset="utf8",use_unicode=True)self.cursor = self.conn.cursor()def process_item(self, item, spider):insert_sql = """insert into jobbole_article(title,create_date,url,url_object_id) VALUES (%s,%s,%s,%s)"""self.cursor.execute(insert_sql,(item["title"],item["create_date"],item["url"],item["url_object_id"]))self.conn.commit()异步模式
采用同步模式可能会产生阻塞,我们可以使用Twisted将MySQL的入库和解析变成异步操作,而不是简单的execute,commit同步操作。
关于MySQL的配置,我们可以直接在配置文件配置数据库:MYSQL_HOST = "127.0.0.1"MYSQL_DBNAME = "article_spider"MYSQL_USER = "root"MYSQL_PASSWORD = "root"在settings中的配置,我们通过在pipeline中定义from_settings获取settings对象,可以直接获取settings配置文件中的值。
使用Twisted提供的异步容器连接MySQL:import MySQLdbimport MySQLdb.cursorsfrom twisted.enterpriseimport adbapi使用adbapi可以使mysqldb的一些操作变成异步化的操作使用cursors进行sql语句的执行和提交