Python3爬虫学习之MySQL数据库存储爬取的信息详解

Python  /  管理员 发布于 7年前   186

本文实例讲述了Python3爬虫学习之MySQL数据库存储爬取的信息。分享给大家供大家参考，具体如下：

数据库存储爬取的信息（MySQL）

爬取到的数据为了更好地进行分析利用，而之前将爬取得数据存放在txt文件中后期处理起来会比较麻烦，很不方便，如果数据量比较大的情况下，查找更加麻烦，所以我们通常会把爬取的数据存储到数据库中便于后期分析利用。

这里，数据库选择MySQL，采用pymysql 这个第三方库来处理python和mysql数据库的存取，python连接mysql数据库的配置信息

db_config ={  'host': '127.0.0.1',  'port': 3306,  'user': 'root',  'password': '',  'db': 'pytest',  'charset': 'utf8'}

以爬取简书首页文章标题以及url为例，先分析抓取目标信息，

如上图，文章题目在a标签中，且url（href）只含有后半部分，所以在存储的时候，最好把它补全。

mysql：新建一个数据库pytest，建立一张名为titles的表，表中字段分别为id(int自增)，title(varchar)，url(varchar),如下：

进行数据库操作的思路为：获得数据库连接（connection）->获得游标（cursor）->执行sql语句（execute）->事物提交(commit)->关闭数据据库连接（close），具体代码实现如下：

# -*- coding:utf-8 -*-from urllib import requestfrom bs4 import BeautifulSoupimport pymysql# mysql连接信息（字典形式）db_config ={  'host': '127.0.0.1',  'port': 3306,  'user': 'root',  'password': '',  'db': 'pytest',  'charset': 'utf8'}# 获得数据库连接connection = pymysql.connect(**db_config)# 数据库配置，获得连接（参数方式）# connection = pymysql.connect(host='127.0.0.1',#port=3306,#user='root',#password='',#db='pytest',#charset='utf8')url = r'http://www.jianshu.com/'# 模拟浏览器头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:  # 获得数据库游标  with connection.cursor() as cursor:    sql = 'insert into titles(title, url) values(%s, %s)'    for u in urls:      # 执行sql语句      cursor.execute(sql, (u.string, r'http://www.jianshu.com'+u.attrs['href']))  # 事务提交  connection.commit()finally:  # 关闭数据库连接  connection.close()

代码执行结果：

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。