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 s的表,表中字段分别为id(int自增), (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 request
from bs4 import BeautifulSoup
import 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\', \' \')
try:
  # 获得数据库游标
  with connection.cursor() as cursor:
    sql = \'insert into  s( , 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。

收藏 打印