python爬虫存入数据库_Python scrapy爬虫数据保存到MySQL数据库

除将爬取到的信息写入文件中之外，程序也可通过修改 Pipeline 文件将数据保存到数据库中。为了使用数据库来保存爬取到的信息，在 MySQL 的 python 数据库中执行如下 SQL 语句来创建 job_inf 数据表：

CREATE TABLE job inf (

id INT (11) NOT NULL AUTO_INCREMENT PRIMARY KEY,

title VARCHAR (255),

salary VARCHAR (255),

company VARCHAR (255),

url VARCHAR(500),

work_addr VARCHAR (255),

industry VARCHAR (255),

company_size VARCHAR(255),

recruiter VARCHAR(255),

publish_date VARCHAR (255)

)

然后将 Pipeline 文件改为如下形式，即可将爬取到的信息保存到 MySQL 数据库中：

# 导入访问MySQL的模块

import mysql.connector

class ZhipinspiderPipeline(object):

# 定义构造器，初始化要写入的文件

def __init__(self):

self.conn = mysql.connector.connect(user='root', password='32147',

host='localhost', port='3306',

database='python', use_unicode=True)

self.cur = self.conn.cursor()

# 重写close_spider回调方法，用于关闭数据库资源

def close_spider(self, spider):

print('----------关闭数据库资源-----------')

# 关闭游标

self.cur.close()

# 关闭连接

self.conn.close()

def process_item(self, item, spider):

self.cur.execute("INSERT INTO job_inf VALUES(null, %s, %s, %s, %s, %s, \

%s, %s, %s, %s)", (item['title'], item['salary'], item['company'],

item['url'], item['work_addr'], item['industry'],

item.get('company_size'), item['recruiter'], item['publish_date']))

self.conn.commit()

上面程序中第 19 行代码使用 execute() 方法将 item 对象中的信息插入数据库中。

程序为该 Pipeline 类定义了构造器，该构造器可用于初始化数据库连接、游标；程序还为该 Pipeline 类重写了 close_spider() 方法，该方法负责关闭构造器中初始化的数据库资源。

使用 scrapy crawl job_position 命令启动爬虫，当程序运行结束之后，将会在 python 数据库的 job_inf 表中看到多了 300 条招聘信息。