python异步存储数据详解

Python  /  管理员 发布于 7年前   235

在Python中，数据存储方式分为同步存储和异步存储。同步写入速度比较慢，而爬虫速度比较快，有可能导致数据保存不完整，一部分数据没有入库。而异步可以将爬虫和写入数据库操作分开执行，互不影响，所以写入速度比较快，能够保证数据的完整性。

异步存储数据库大致看分为以下步骤：

1. 在settings中配置Mysql链接需要的参数(主机地址、用户账号、密码、需要操作的表名、编码格式等)
2. 自定义Pipeline，实现from_settings函数
3. from twisted.enterprise import adbapi 引入连接池模块
4. from pymysql import cursors 引入游标模块
5. 在from_settings中，准备链接数据库参数，创建db_pool连接池，创建返回当前类的对象，传入db_pool
6. 实现初始化函数,在初始化函数中,将db_pool赋值self的属性
7. 实现process_item函数
    7.1  query = self.db_pool.runInteraction(执行插入数据操作的函数对象，函数需要参数)，并接受执行返回结果
    7.2  query.addErrback(错误回调函数，函数需要参数)，添加执行sql失败回调的函数，在回调函数中对错误数据进一步处理
8. 实现插入数据操作的函数，准备sql，执行sql
9. 实现错误回调函数，在回调函数中对错误数据进一步处理 

下面，我们以天堂图片网为例，大致熟悉一下异步存储：

1. 在存储之前，可以选择手动创建数据库（表名、字段名、字段类型等自己定义），也可以选择代码创建。

2. 存储数据之前还得先拿到数据

import scrapyfrom ..items import ImgItemclass IvskySpider(scrapy.Spider):  name = 'ivsky'  allowed_domains = ['ivsky.com']  start_urls = ['http://www.ivsky.com/tupian/ziranfengguang/']  def parse(self, response):    imgs = response.xpath('//div[@class="il_img"]/a/img')    for img in imgs:      alt = img.xpath('@alt').extract_first('')      src = img.xpath('@src').extract_first('')      item = ImgItem()      item['alt'] = alt      item['src'] = src       yield item

3. 自定义item，并把数据传进去

import scrapy class IvskySpiderItem(scrapy.Item):  # define the fields for your item here like:  # name = scrapy.Field()  pass class ImgItem(scrapy.Item):   alt = scrapy.Field()  src = scrapy.Field()

4. 接下来就是settings中的配置，代码如下（robots协议记得改为False）：

MYSQL_HOST = '127.0.0.1'MYSQL_USER = 'root'MYSQL_PW = '123456'MYSQL_DB = 'ivskydb'MYSQL_CHARSET = 'utf8'

5. 再然后自定义pipeline，并把该pipeline在settings中配置（设置优先级）：

from twisted.enterprise import adbapifrom pymysql import cursors class TwistedMysqlPipeline(object):   # 在调用TwistedMysqlPipeline时，第一个调用该函数  @classmethod  def from_settings(cls, settings):     #准备需要用到的链接mysql的参数    db_prams = dict(      host=settings['MYSQL_HOST'],      user=settings['MYSQL_USER'],      password=settings['MYSQL_PW'],      db=settings['MYSQL_DB'],      port=3306,      use_unicode=True,      charset=settings['MYSQL_CHARSET'],      # 指定使用的游标类型      cursorclass=cursors.DictCursor    )    # 创建连接池对象，需要传入两个参数    # 1.使用操作mysql第三方包名    # 2.连接数据库需要的参数    db_pool = adbapi.ConnectionPool('pymysql', **db_prams)     return cls(db_pool)   def __init__(self, db_pool):    # 将连接池对象赋值self.db_pool属性    self.db_pool = db_pool   def process_item(self, item, spider):     # 准备sql    # 执行sql    # 执行一个将item数据写入数据库的动作    # 1.执行操作的函数    # 2.执行函数需要的参数....    query = self.db_pool.runInteraction(self.insert_item, item)    # 执行sql出现异常错误时，回调的函数    query.addErrback(self.handle_error, item, spider)     return item   # 插入数据出现错误时，回调的函数  def handle_error(self, failure, item, spider):    print(failure)    print(item)   # 执行插入数据的函数  def insert_item(self, cursor, item):    # 创建sql    sql = "INSERT INTO ivs(alt,src)VALUES(%s,%s)"    # 执行sql    cursor.execute(sql,(item['alt'], item['src']))

6. pipeline在settings中的配置

ITEM_PIPELINES = {  # 'ivsky_spider.pipelines.MysqlPipeline': 300,  'ivsky_spider.pipelines.TwistedMysqlPipeline': 300,}

代码到这里就结束了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。