溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

發(fā)布時(shí)間：2020-11-07 15:36:26 來源：億速云 閱讀：560 作者：Leah 欄目：開發(fā)技術(shù)

今天就跟大家聊聊有關(guān)利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

實(shí)驗(yàn)環(huán)境

1.安裝Python 3.7

2.安裝requests, bs4，pymysql 模塊

2.編寫代碼

# 51cto 博客頁面數(shù)據(jù)插入mysql數(shù)據(jù)庫
# 導(dǎo)入模塊
import re
import bs4
import pymysql
import requests

# 連接數(shù)據(jù)庫賬號密碼
db = pymysql.connect(host='172.171.13.229',
           user='root', passwd='abc123',
           db='test', port=3306,
           charset='utf8')
# 獲取游標(biāo)
cursor = db.cursor()

def open_url(url):
  # 連接模擬網(wǎng)頁訪問
  headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
           'Chrome/57.0.2987.98 Safari/537.36'}
  res = requests.get(url, headers=headers)
  return res

# 爬取網(wǎng)頁內(nèi)容
def find_text(res):
  soup = bs4.BeautifulSoup(res.text, 'html.parser')

  # 博客名
  titles = []
  targets = soup.find_all("a", class_="tit")
  for each in targets:
    each = each.text.strip()
    if "置頂" in each:
      each = each.split(' ')[0]
    titles.append(each)

  # 閱讀量
  reads = []
  read1 = soup.find_all("p", class_="read fl on")
  read2 = soup.find_all("p", class_="read fl")
  for each in read1:
    reads.append(each.text)
  for each in read2:
    reads.append(each.text)

  # 評論數(shù)
  comment = []
  targets = soup.find_all("p", class_='comment fl')
  for each in targets:
    comment.append(each.text)

  # 收藏
  collects = []
  targets = soup.find_all("p", class_='collect fl')
  for each in targets:
    collects.append(each.text)

   # 發(fā)布時(shí)間
  dates=[]
  targets = soup.find_all("a", class_='time fl')
  for each in targets:
    each = each.text.split('：')[1]
    dates.append(each)

  # 插入sql 語句
  sql = """insert into blog (blog_title,read_number,comment_number, collect, dates)
  values( '%s', '%s', '%s', '%s', '%s');"""
  # 替換頁面 \xa0
  for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):
    reads = re.sub('\s', '', reads)
    comment = re.sub('\s', '', comment)
    collects = re.sub('\s', '', collects)
    cursor.execute(sql % (titles, reads, comment, collects，dates))
    db.commit()
    pass

# 統(tǒng)計(jì)總頁數(shù)
def find_depth(res):
  soup = bs4.BeautifulSoup(res.text, 'html.parser')
  depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text
  return int(depth)

# 主函數(shù)
def main():
  host = "https://blog.51cto.com/13760351"
  res = open_url(host) # 打開首頁鏈接
  depth = find_depth(res) # 獲取總頁數(shù)

  # 爬取其他頁面信息
  for i in range(1, depth + 1):
    url = host + '/p' + str(i) # 完整鏈接
    res = open_url(url) # 打開其他鏈接
    find_text(res) # 爬取數(shù)據(jù)

  # 關(guān)閉游標(biāo)
  cursor.close()
  # 關(guān)閉數(shù)據(jù)庫連接
  db.close()

if __name__ == '__main__':
  main()

3..MySQL創(chuàng)建對應(yīng)的表

CREATE TABLE `blog` (
 `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
 `blog_title` varchar(52) DEFAULT NULL COMMENT '博客標(biāo)題',
 `read_number` varchar(26) DEFAULT NULL COMMENT '閱讀數(shù)量',
 `comment_number` varchar(16) DEFAULT NULL COMMENT '評論數(shù)量',
 `collect` varchar(16) DEFAULT NULL COMMENT '收藏?cái)?shù)量',
 `dates` varchar(16) DEFAULT NULL COMMENT '發(fā)布日期',
 PRIMARY KEY (`row_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

4.運(yùn)行代碼，查看效果:

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

改進(jìn)版：

改進(jìn)內(nèi)容：

1.數(shù)據(jù)庫里面的某些字段只保留數(shù)字即可

2.默認(rèn)爬取的內(nèi)容都是字符串，存放數(shù)據(jù)庫的某些字段，最好改為整型，方便后面數(shù)據(jù)庫操作

1.代碼如下：

import re
import bs4
import pymysql
import requests

# 連接數(shù)據(jù)庫
db = pymysql.connect(host='172.171.13.229',
           user='root', passwd='abc123',
           db='test', port=3306,
           charset='utf8')
# 獲取游標(biāo)
cursor = db.cursor()

def open_url(url):
  # 連接模擬網(wǎng)頁訪問
  headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
           'Chrome/57.0.2987.98 Safari/537.36'}
  res = requests.get(url, headers=headers)
  return res

# 爬取網(wǎng)頁內(nèi)容
def find_text(res):
  soup = bs4.BeautifulSoup(res.text, 'html.parser')

  # 博客標(biāo)題
  titles = []
  targets = soup.find_all("a", class_="tit")
  for each in targets:
    each = each.text.strip()
    if "置頂" in each:
      each = each.split(' ')[0]
    titles.append(each)

  # 閱讀量
  reads = []
  read1 = soup.find_all("p", class_="read fl on")
  read2 = soup.find_all("p", class_="read fl")
  for each in read1:
    reads.append(each.text)
  for each in read2:
    reads.append(each.text)

  # 評論數(shù)
  comment = []
  targets = soup.find_all("p", class_='comment fl')
  for each in targets:
    comment.append(each.text)

  # 收藏
  collects = []
  targets = soup.find_all("p", class_='collect fl')
  for each in targets:
    collects.append(each.text)

  # 發(fā)布時(shí)間
  dates=[]
  targets = soup.find_all("a", class_='time fl')
  for each in targets:
    each = each.text.split('：')[1]
    dates.append(each)

  # 插入sql 語句
  sql = """insert into blogs (blog_title,read_number,comment_number, collect, dates)
  values( '%s', '%s', '%s', '%s', '%s');"""
  # 替換頁面 \xa0
  for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):
    reads = re.sub('\s', '', reads)
    reads=int(re.sub('\D', "", reads)) #匹配數(shù)字，轉(zhuǎn)換為整型
    comment = re.sub('\s', '', comment)
    comment = int(re.sub('\D', "", comment)) #匹配數(shù)字，轉(zhuǎn)換為整型
    collects = re.sub('\s', '', collects)
    collects = int(re.sub('\D', "", collects)) #匹配數(shù)字，轉(zhuǎn)換為整型
    dates = re.sub('\s', '', dates)
    cursor.execute(sql % (titles, reads, comment, collects,dates))
    db.commit()
    pass

# 統(tǒng)計(jì)總頁數(shù)
def find_depth(res):
  soup = bs4.BeautifulSoup(res.text, 'html.parser')
  depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text
  return int(depth)

# 主函數(shù)
def main():
  host = "https://blog.51cto.com/13760351"
  res = open_url(host) # 打開首頁鏈接
  depth = find_depth(res) # 獲取總頁數(shù)

  # 爬取其他頁面信息
  for i in range(1, depth + 1):
    url = host + '/p' + str(i) # 完整鏈接
    res = open_url(url) # 打開其他鏈接
    find_text(res) # 爬取數(shù)據(jù)

  # 關(guān)閉游標(biāo)
  cursor.close()
  # 關(guān)閉數(shù)據(jù)庫連接
  db.close()

#主程序入口
if __name__ == '__main__':
  main()

2.創(chuàng)建對應(yīng)表

CREATE TABLE `blogs` (
 `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
 `blog_title` varchar(52) DEFAULT NULL COMMENT '博客標(biāo)題',
 `read_number` int(26) DEFAULT NULL COMMENT '閱讀數(shù)量',
 `comment_number` int(16) DEFAULT NULL COMMENT '評論數(shù)量',
 `collect` int(16) DEFAULT NULL COMMENT '收藏?cái)?shù)量',
 `dates` varchar(16) DEFAULT NULL COMMENT '發(fā)布日期',
 PRIMARY KEY (`row_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

3.運(yùn)行代碼，驗(yàn)證

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

升級版

為了能讓小白就可以使用這個(gè)程序，可以把這個(gè)項(xiàng)目打包成exe格式的文件，讓其他人，使用電腦就可以運(yùn)行代碼，這樣非常方便！

1.改進(jìn)代碼：

#末尾修改為：
if __name__ == '__main__':
  main()
  print("\n\t\t所有數(shù)據(jù)已成功存放數(shù)據(jù)庫！!! \n")
  time.sleep(5)

2.安裝打包模塊pyinstaller(cmd安裝）

pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.Python代碼打包

1.切換到需要打包代碼的路徑下面

2.在cmd窗口運(yùn)行 pyinstaller -F test03.py （test03為項(xiàng)目名稱）

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

4.查看exe包

在打包后會出現(xiàn)dist目錄，打好包就在這個(gè)目錄里面

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

5.運(yùn)行exe包，查看效果

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

檢查數(shù)據(jù)庫

利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中

看完上述內(nèi)容，你們對利用Python爬蟲實(shí)現(xiàn)爬取網(wǎng)站中的數(shù)據(jù)并存入MySQL數(shù)據(jù)庫中有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手