如何利用scrapy將爬到的數據保存到mysql

這篇文章主要為大家展示了“如何利用scrapy將爬到的數據保存到mysql”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“如何利用scrapy將爬到的數據保存到mysql”這篇文章吧。

1.環境建立

     1.使用xmapp安裝php, mysql ,phpmyadmin

     2.安裝python3，pip

     3.安裝pymysql

     3.(windows 略)我這邊是mac，安裝brew，用brew 安裝scrapy

2.整個流程

     1. 創建數據庫和數據庫表，準備保存

     2.寫入爬蟲目標URL，進行網絡請求

     3.對爬返回數據進行處理，得到具體數據

     4.對于具體數據保存到數據庫中

2.1.創建數據庫

首先創建一個數據庫叫scrapy，然后創建一個表article，我們這里給body加了唯一索引，防止重復插入數據

--
-- Database: `scrapy`
--
 
-- --------------------------------------------------------
 
--
-- 表的結構 `article`
--
 
CREATE TABLE `article` (
 `id` int(11) NOT NULL,
 `body` varchar(200) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL,
 `author` varchar(50) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL,
 `createDate` datetime NOT NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1;
 
 
--
-- Indexes for table `article`
--
ALTER TABLE `article`
 ADD PRIMARY KEY (`id`),
 ADD UNIQUE KEY `uk_body` (`body`);

弄好以后是這樣的。

2.2 先看下整個爬蟲項目的結構

quotes_spider.py是核心，負責對網絡請求和對內容進行處理，然后對整理好的內容拋給pipelines進行具體處理，保存到數據庫中，這樣不會影響速度。

其他的看 圖說明

2.2 寫入爬蟲目標URL，進行網絡請求

import scrapy
from tutorial.items import TutorialItem
class QuotesSpider(scrapy.Spider):
 name = "quotes"
 def start_requests(self):
  url = 'http://quotes.toscrape.com/tag/humor/'
  yield scrapy.Request(url)
 def parse(self, response):
  item = TutorialItem()
  for quote in response.css('div.quote'):
   item['body'] = quote.css('span.text::text').extract_first()
   item['author'] = quote.css('small.author::text').extract_first()
   yield item
  next_page = response.css('li.next a::attr("href")').extract_first()
  if next_page is not None:
   yield response.follow(next_page, self.parse)

start_requests 就是要寫入具體要爬的URL

parse就是核心的對返回的數據進行處理的地方，然后以item的形式拋出，接下來定義好下一個要爬的內容 

2.3  items

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# https://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class TutorialItem(scrapy.Item):
 body = scrapy.Field()
 author = scrapy.Field()
 pass

2.4 pipelines

# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://doc.scrapy.org/en/latest/topics/item-pipeline.html
import pymysql
import datetime
from tutorial import settings
import logging
class TutorialPipeline(object):
 def __init__(self):
  self.connect = pymysql.connect(
   host = settings.MYSQL_HOST,
   db = settings.MYSQL_DBNAME,
   user = settings.MYSQL_USER,
   passwd = settings.MYSQL_PASSWD,
   charset = 'utf8',
   use_unicode = True
  )
  self.cursor = self.connect.cursor(); 
 def process_item(self, item, spider):
  try:
   self.cursor.execute(
    "insert into article (body, author, createDate) value(%s, %s, %s) on duplicate key update author=(author)",
    (item['body'],
     item['author'],
     datetime.datetime.now()
     ))
   self.connect.commit()
  except Exception as error:
   logging.log(error)
  return item
 def close_spider(self, spider):
  self.connect.close();

2.5 配置

ITEM_PIPELINES = {
 'tutorial.pipelines.TutorialPipeline':300
}
MYSQL_HOST = 'localhost'
MYSQL_DBNAME = 'scrapy'
MYSQL_USER = 'root'
MYSQL_PASSWD = '123456'
MYSQL_PORT = 3306

3.啟動爬蟲

scrapy crawl quotes

以上是“如何利用scrapy將爬到的數據保存到mysql”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！