python爬取数据库数据类型_Python爬虫学习笔记5：数据的存储-CSDN博客

import requests

from pyquery import PyQuery as pq

url = 'https://www.zhihu.com/explore'

headers = {

'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'

}

html = requests.get(url,headers=headers).text

# print(html.text)

doc = pq(html)

items = doc('.explore-tab .feed-item').items() # 这里该如何对应页面代码去找节点还是有点蒙

for item in items:

question = item.find('h2').text()

author = item.find('.author-link-line').text()

answer = pq(item.find('.content').html()).text()

file = open('explore.txt','a',encoding='utf-8')

file.write('\n'.join([question,author,answer]))

file.write('\n' + "=" * 50 + '\n')

file.close()

5.1.2 JSON 文件存储

JSON，全称为 JavaScript O同ect Notation，也就是 JavaScript对象标记，它通过对象和数组的组合米表示数据，构造简洁但是结构化程度非常高，是一种轻量级的数据交换格式。

1. 对象和数组

一切都是对象。

对象:它在 JavaScript中是使用花括号{}包裹起来的内容，数据结构为{keyl: valuel, key2: value2， ... }的键值对结构。

数组:数组在 JavaScript 中是方括号 []包裹起来的内容，数据结构为[ ”java”， ”javascript”， "vb'’，.. .]的索引结构。

2. 读取 JSON

调用 JSON库的 loads()方法将 JSON 文本字符串转为 JSON对象，可以通过 dumps()方法将 JSON对象转为文本字符串

# 读取json

import json

str = '''

[{

"name":"bob", # json的数据格式需要使用双引号

"gender":"male"

},{

"a":"1",

"b":"2"

}] # 由于最外层是中括号，所以最终的数据类型是列表

'''

print(type(str))

data = json.loads(str) #loads转化为json对象

print(data)

print(type(data))

data[0]['name'] # 获取内容

data[0].get('name') # 推荐使用方式，没有不会报错，会返回None,第二个参数可以自定义返回一个默认值

3. 输出 JSON

调用 dumps()方法将 JSON对象转化为字符串

import json

data = [{

"1":"1",

"2":"b"

}]

with open("data.json",'w') as file:

# dumps 将json对象转化为字符串,

# indent=2保存为json格式

# ensure_ascii=False,输出中文

file.write(json.dumps(data, indent=2, ensure_ascii=False))

5.1.3 csv文件存储

import csv

with open('data.csv', 'w') as file:

# delimter 设置分割类型

# writerows可以写入多行，此时参数就需要为二维列表

write = csv.writer(file, delimter=' ') # 初始化写入对象

write.writerow(['id', 'name', 'age'])

# 字典形式

with open("data.csv",'w') as csvfile:

filenames = ['id','name','age'] # 先定义字段

write = write.Dictwriter(csvfile, filenames = filenames)

write.writerheader() # 先写入表头信息，即filenames

write.writerow('1','2','3')

5.2 关系型数据库存储

关系型数据库有多种，如 SQLite、 MySQL、 Oracle、 SQLServer、 DB2等

5.2.1 MySQL的存储

使用的库是 PyMySQL

mac用brew安装mysql,设置初始密码可以使用mysql -u root -p 进行密码连接

MySQLWorkbench可视化客户端

quit 退出mysql

import pymysql

db = pymysql.connect(host = 'localhost',user='root',password='123456789', port=3306)

# 获取mysql的操作游标

cursor = db.cursor()

# 执行mysql语句

cursor.execute("select version()")

# 获取第一条数据

data = cursor.fetchone()

# 创建spider数据库

cursor.execute("create database spider default character set utf8")

db.close()

3. 创建表

# 创建表

import pymysql

db = pymysql.connect(host='localhost', user='root',password='123456789',port=3306,bd='spider')

cursor = db.cursor()

sql='create table if not exists students(id varchar(255) not null,name varchar(255) not null,' \

'age int not null,primary_key (id))'

cursor.execute(sql)

db.close()

4. 插入数据

import pymysql

id = 'a'

name = 'b'

age = 'c'

db = pymysql.connect(host='localhost', user='root',password='123456789',port='3306',db='spider')

cursor = db.cursor()

sql = 'insert into student(id,name,age) values(%s,%s,%s)'

try:

cursor.execute(sql,(id,name,age))

db.commit()

except:

db.rollback()

db.close()

5. 更新数据

sql =’UPDATE students SET age = %s WHERE name = %s’

try:

cursor.execute(sql,(25, ’Bob' ))

db.commit()

except:

db. rollback ()

db.close()

6. 删除数据

7. 查询数据