您好,登錄后才能下訂單哦!
本文實例講述了Python3爬蟲學習之MySQL數(shù)據(jù)庫存儲爬取的信息。分享給大家供大家參考,具體如下:
數(shù)據(jù)庫存儲爬取的信息(MySQL)
爬取到的數(shù)據(jù)為了更好地進行分析利用,而之前將爬取得數(shù)據(jù)存放在txt文件中后期處理起來會比較麻煩,很不方便,如果數(shù)據(jù)量比較大的情況下,查找更加麻煩,所以我們通常會把爬取的數(shù)據(jù)存儲到數(shù)據(jù)庫中便于后期分析利用。
這里,數(shù)據(jù)庫選擇MySQL,采用pymysql 這個第三方庫來處理python和mysql數(shù)據(jù)庫的存取,python連接mysql數(shù)據(jù)庫的配置信息
db_config ={ 'host': '127.0.0.1', 'port': 3306, 'user': 'root', 'password': '', 'db': 'pytest', 'charset': 'utf8' }
以爬取簡書首頁文章標題以及url為例,先分析抓取目標信息,
如上圖,文章題目在a標簽中,且url(href)只含有后半部分,所以在存儲的時候,最好把它補全。
mysql:新建一個數(shù)據(jù)庫pytest,建立一張名為titles的表,表中字段分別為id(int自增),title(varchar),url(varchar),如下:
進行數(shù)據(jù)庫操作的思路為:獲得數(shù)據(jù)庫連接(connection)->獲得游標(cursor)->執(zhí)行sql語句(execute)->事物提交(commit)->關閉數(shù)據(jù)據(jù)庫連接(close),具體代碼實現(xiàn)如下:
# -*- coding:utf-8 -*- from urllib import request from bs4 import BeautifulSoup import pymysql # mysql連接信息(字典形式) db_config ={ 'host': '127.0.0.1', 'port': 3306, 'user': 'root', 'password': '', 'db': 'pytest', 'charset': 'utf8' } # 獲得數(shù)據(jù)庫連接 connection = pymysql.connect(**db_config) # 數(shù)據(jù)庫配置,獲得連接(參數(shù)方式) # connection = pymysql.connect(host='127.0.0.1', # port=3306, # user='root', # password='', # db='pytest', # charset='utf8') url = r'http://www.jianshu.com/' # 模擬瀏覽器頭 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36' } page = request.Request(url, headers=headers) page_info = request.urlopen(page).read().decode('utf-8') soup = BeautifulSoup(page_info, 'html.parser') urls = soup.find_all('a', 'title') try: # 獲得數(shù)據(jù)庫游標 with connection.cursor() as cursor: sql = 'insert into titles(title, url) values(%s, %s)' for u in urls: # 執(zhí)行sql語句 cursor.execute(sql, (u.string, r'http://www.jianshu.com'+u.attrs['href'])) # 事務提交 connection.commit() finally: # 關閉數(shù)據(jù)庫連接 connection.close()
代碼執(zhí)行結果:
更多關于Python相關內容可查看本站專題:《Python Socket編程技巧總結》、《Python正則表達式用法總結》、《Python數(shù)據(jù)結構與算法教程》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對大家Python程序設計有所幫助。
免責聲明:本站發(fā)布的內容(圖片、視頻和文字)以原創(chuàng)、轉載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權內容。