专栏首页思考的代码世界Python网络数据采集之存储数据|第04天

Python网络数据采集之存储数据|第04天

主要内容:

下载文件,存储数据;

MySQL的基本使用,发送邮件。

存储数据

网络数据的采集,最本质的东西还是数据,我们爬取的数据是需要存储的。

媒体文件

存储媒体文件有两种主要的方式:只获取文件 URL 链接,或者直接把源文件下载下来。

可以通过媒体文件所在的URL 链接直接引用它。这样做的优点如下:

  • 爬虫运行得更快,耗费的流量更少,因为只要链接,不需要下载文件;
  • 可以节省很多存储空间,因为只需要存储URL链接就可以;
  • 存储URL的代码更容易写,也不需要实现文件下载代码;
  • 不下载文件能够降低目标主机服务器的负载。

于此同时还会有一些缺点:

  • 网站防盗链的问题,会带来很多的麻烦;
  • 自主性较差,因为文件在别人的服务器上,可支配性差;
  • 链接可能是会变化的,失效的链接数增加。
  • ….

下载文件的方法也很简单,在Python 3.x 版本中,urllib.request.urlretrieve可以根据文件的 URL 下载文件;

例如我们从http://pythonscraping.com 下载 logo图片,然后在程序运行的文件夹里保存为 logo.jpg 文件。

from urllib.request import urlretrieve
from urllib.request import urlopen
from bs4 import BeautifulSoup

html = urlopen('http://www.pythonscraping.com')
bs = BeautifulSoup(html, 'html.parser')
imageLocation = bs.find('a', {'id': 'logo'}).find('img')['src']
urlretrieve (imageLocation, 'logo.jpg')

下载文件需要注意exe的文件,木马文件等。不要在硬盘存储敏感信息,不要用管理员权限运行他。

把数据存储到CSV

CSV(Comma-Separated Values,逗号分隔值)是存储表格数据的常用文件格式。关于CSV格式的文件不做过多的介绍,自行去了解一下。

Pythoncsv库可以创建或者修改CSV文件。

import csv 

csvFile = open("./demo.csv","我+")

try:
    writer = csv.writer(csvFile)
    writer.writerow(('number', 'number plus 2', 'number times 2'))
    for i in rang(10):
        writer.writerow((i,i+2,I*2))
finally:
    csvFile.close()

如果文件不存在就会创建demo.csv。

MySQL

MySQL是目前最受欢迎的开源关系型数据库管理系统。因为它受众广泛,免费,开箱即用,所以它也是网络数据采集项目中常用的数据库。

我采用的是Mac的平台,可以直接下载安装安装也可以通过包管理器(例如homebrew)安装。

官网下载地址:http://dev.mysql.com/downloads/mysql/

其他的平台可以去官网查看安装详情,作为一个改变世界的程序猿,安装软件应该不是问题。

基本命令

创建数据库:

1

CREATE DATABASE demo;

使用数据库:

1

USE demo;

创建表:

CREATE TABLE user(
    id BIGINT(7) NOT NULL AUTO_INCREMENT,
    name VARCHAR(10),
    sex tinyint(1),
    creatime TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY(id)
);

和数据库不同,MySQL 数据表必须至少有一列,否则不能创建。为了在 MySQL 里定义字段(数据列),你必须在 CREATE TABLE <tablename> 语句后面,把字段的定义放进一个带括号的、内部由逗号分隔的列表。

插入数据:

1

INSERT INTO user (name, sex) VALUES ("name", "1");

查询数据:

1

SELECT * FROM user

模糊查询:

1

SELECT id FROM user LIKE "%chensenlin.cn%"

删除数据:

1

DELELT FROM user WHERE id = 1

更新数据:

1

UPDATE user SET name = 'chensenlin' WHERE id = 66

特别强调:更新或者删除一定要加条件!否则就说灾难,哈哈哈

与Python整合

Python没有内置的MySQL 支持工具。不过,有很多开源的库可以用来与 MySQL做交互,Python 2.xPython 3.x版本都支持。最有名的一个库就是PyMySQL(https://github.com/PyMySQL/PyMySQL)

安装:

1

pip install PyMySQL

基本使用:

import pymysql

conn = pymysql.connect(host='127.0.0.1', unix_socket='/tmp/mysql.sock',user='root', passwd=root, db='mysql')

cur.execute("USE demo")
cur.execute("SELECT * FROM user WHERE id = 1") print(cur.fetchone())
cur.close()
conn.close()

Email

Python发送一封邮件:

import smtplib
from email.mime.text import MIMEText

msg = MIMEText("邮件正文内容")
msg['Subject'] = "这是一个测试有奖主题"
msg['From'] = "fore@gmail.com"
msg['To'] = "hellosenlin@sina.cn"
s = smtplib.SMTP('localhost')
s.send_message(msg)
s.quit()

与网页通过HTTP协议传输一样,邮件是通过SMTP(Simple Mail Transfer Protocol,简单邮件传输协议)传输的。而且,和网络服务器的客户端(浏览器)处理那些通过 HTTP 协议传输的网页一样。

可以将其封装成函数作为发送邮件定时使用等。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python网络数据采集之存储数据|第04天

    存储媒体文件有两种主要的方式:只获取文件 URL 链接,或者直接把源文件下载下来。

    你好我是森林
  • Python基础学习09天

    你好我是森林
  • Python基础学习08天

    你好我是森林
  • Python文件操作小案例:交替合并两个记事本文件

    问题描述:编写程序,接收两个记事本文件名字,然后交替把两个记事本文件中的行合并到result.txt文件中,你一行来我一行,最后把行数较多的文件剩余内容全部写入...

    Python小屋屋主
  • 如何创建一个新浪微博应用以及获得Access token

    打开网页http://open.weibo.com/wiki/%E9%A6%96%E9%A1%B5

    Jerry Wang
  • 【SpringBoot WEB 系列】RestTemplate 之自定义请求头

    上一篇介绍了 RestTemplate 的基本使用姿势,在文末提出了一些扩展的高级使用姿势,本篇将主要集中在如何携带自定义的请求头,如设置 User-Agent...

    一灰灰blog
  • 中国要求外国公司提供源代码 加强国内网络安全

    据《纽约时报》报道,有消息称,中国政府出台了新的法规,该新法规要求向中国的银行出售电脑设备的公司向中国官方提供秘密的源代码,提交快速的审计报告。 这份长达22页...

    安恒信息
  • 如何打造一款高质量的Android移动应用

    顾翔老师开发的bugreport2script开源了,希望大家多提建议。文件在https://github.com/xianggu625/bug2testscr...

    小老鼠
  • Hadoop之HDFS03【NameNode工作原理】

      每隔一段时间,会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地,并加载到内存进行merg...

    用户4919348
  • 直播预告|多场景适配:深度学习模型部署优化之道

    步入2020年,“新基建”成为热词。人工智能作为七大重点建设领域之一,自然受到了人们越来越多的关注。相信大家都知道,人工智能的发展离不开算法、算力、大数据三大要...

    优图实验室

扫码关注云+社区

领取腾讯云代金券