爬虫之数据库存储

在对于爬取数量数量较少时，我们可以将爬虫数据保存于CSV文件或者其他格式的文件中，既简单又方便，但是如果需要存储的数据量大，又要频繁访问这些数据时，就应该考虑将数据保存到数据库中了。目前主流的数据库有关系性数据库MySQL，以及非关系性数据库MongoDB和Redis等。这里我先来讲讲MySQL。

1、MySQL数据库

MySQl数据库是一个中小型关系型数据库，应用及其广泛，开源，高效，免费，可移植性好，现在有很多大厂还是在广泛使用MySQL数据库。

1.关系型数据库概述

关系型数据库，是建立在关系模型基础上的数据库，简单的讲，它由多张互相联结的二位表格组成，每一行是一条记录，每一列是一个字段，而表就是某个实体的集合，它展现的形式类似于EXCEL中常见的表格。
像SQLite，MySQL，Oracle，SQL Server DB2等都属于关系型数据库。

2.下载和安装MySQL数据库

这里常规的安装方法我不再赘述，如果后续有要求，我会补上。安装本地测试集成环境

3、数据库管理工具Navicat

MySQL安装好之后，下面就可以建立保存爬虫数据的数据库了。如果对MySQL数据库不是很精通，甚至连SQL语句都不会怎么写，那么Navicat绝对可以帮上忙。这是一个强大的数据库管理和设计工具，支持Windows，Mac OS，Linux系统。通过直观的GUI(图形用户界面)，可以让用户方便的管理MySQL，Oracle，SQL Server，Mongo DB等数据库。

3.1 Navicat下载和安装

进入Navicat官网下载Navicat for MySQL，下载地址为：Navicat下载地址

3.2 连接MySQL数据库服务器

Navicat安装完成后，运行 Navicat。首先完成与MySQL数据库服务器的连接。单机“连接”按钮，在弹出的“新建连接”对话框中输入MySQL配置信息，如连接名为mysql(名称自定义)，密码为安装MySQL时设置的密码，其余配置默认设置，单击“连接测试”按钮，确保连接成功，最后单机“确定”按钮，完成与MySQl服务器的连接。

3.3 新建数据库

与MySQL数据库服务器建立连接后，就可以操作MySQL数据库了。新建一个数据库，用于存储爬取的信息。右击连接名mysql，在弹出的快捷菜单中，选择“新建数据库”命令，输入数据库名，设置字符集和排序规则，单机“确定”。

3.4 新建表

在新建的数据库crawler中新建一个用于存储爬取测试的表test。字段这里根据爬取的内容设置，比如：id的设置为int型，主键，不是null，自动递增，其余字段均为varchar型。

Python爬虫之数据写入

#写入到Excel
import xlsxwriter

#创建文件，并添加一个工作表
workbook=xlsxwriter.Workbook('demo.xlsx')
worksheet=workbook.add_worksheet()

#在指定位置写入数据
worksheet.write("A1","这是A1的数据")
worksheet.write("A2","这是A2的数据")

#关闭表格文件
workbook.close()

#爬取便民查询网常用账号，并写入到Excel
import re
import requests
import xlsxwriter

headers = {
    
    
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Ap\
pleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Sa\
fari/537.36"
}

response=requests.get("http://changyongdianhuahaoma.51240.com/",headers=headers).text

pat1=r'<tr bgcolor="#EFF7F0">[\s\S]*?<td>(.*?)</td>[\s\S]*?<td>[\s\S]*?</td>[\s\S]*?</tr>'
pat2=r'<tr bgcolor="#EFF7F0">[\s\S]*?<td>[\s\S]*?</td>[\s\S]*?<td>(.*?)</td>[\s\S]*?</tr>'

pattern1=re.compile(pat1)
pattern2=re.compile(pat2)

data1=pattern1.findall(response)
data2=pattern2.findall(response)

resultlist=[]

#创建表格
workbook=xlsxwriter.Workbook("demo2.xlsx")
worksheet=workbook.add_worksheet()

for i in range(0,len(data1)):
	resultlist.append(data1[i]+data2[i])

	#写入数据
	worksheet.write("A"+str(i+1),data1[i])
	worksheet.write("B"+str(i+1),data2[i])

print(resultlist)
# 关闭表格资源，这样才会完成创建
workbook.close()

#爬取便民查询网常用账号，并写入到Mysql 
#注意：需要提前创建对应字段的数据库
import re
import requests
import pymysql

#建立数据库连接
db=pymysql.Connect(host="localhost",port=3306,user="root",passwd="AA123456",db="spider_test",charset="utf8")
cursor=db.cursor()


#爬取数据
headers = {
    
    
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Ap\
pleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Sa\
fari/537.36"
}

response=requests.get("http://changyongdianhuahaoma.51240.com/",headers=headers).text


#处理数据
pat1=r'<tr bgcolor="#EFF7F0">[\s\S]*?<td>(.*?)</td>[\s\S]*?<td>[\s\S]*?</td>[\s\S]*?</tr>'
pat2=r'<tr bgcolor="#EFF7F0">[\s\S]*?<td>[\s\S]*?</td>[\s\S]*?<td>(.*?)</td>[\s\S]*?</tr>'

pattern1=re.compile(pat1)
pattern2=re.compile(pat2)

data1=pattern1.findall(response)
data2=pattern2.findall(response)

#清空数据库原来的内容
sqll="delete from tel"
cursor.execute(sqll)
db.commit()

resultlist=[]
for i in range(0,len(data1)):
	resultlist.append(data1[i]+data2[i])

	sql="insert into tel(name,phone) values('"+data1[i]+"','"+data2[i]+"')"
	cursor.execute(sql)

print(resultlist)

db.commit()
db.close()

爬虫之数据库存储

猜你喜欢