Python爬虫入门实战八:数据储存——MongoDB与MySQL

数据存储-PyMysql和PyMongo

首先祝大家元宵节快乐!!!

前面的文章里写的爬虫都是直接把爬取的数据打印出来。在实际的应用中,当然不能这么做,我们需要将数据存储起来。存储数据的方式有很多中,比如存储在文本文件中,或者是存储在数据库中。 为了使用数据的便捷性,我们选择将数据存储在数据库中。 数据库主流的两种类型为:SQL(关系型数据库)和NoSQL(非关系型数据库) 我们在此选用使用比较广泛的MySQL和MongoDB作为讲解。

一、MySQL

1、安装MySQL

由于MySQL的安装文件比较大且配置稍微繁琐,个人推荐在普通环境下使用集成包,比如USBWebserver。 USBWebserver其实是一款傻瓜式本地电脑快速架设PHP网站环境的工具,它最大特色是纯绿色便携,可直接放在U盘里随处运行它集成了 Apache (httpd)、PHP、MySQL 以及 PHPMyAdmin 等组件,而我们使用它的MySQL即可。

打开程序之后,看到Mysql运行成功,就可以打开PHPMyAdmin

点击执行,进入控制页面

就可以在里面创建数据库,创建数据表了。 更多介绍及下载:http://www.iplaysoft.com/usbwebserver.html

2、安装pymysql

在Python中使用MySQL,有两种方式,使用ORM(对象关系映射)框架和数据库模块,在此我们使用数据库模块pymysql(Python3)。 安装pymysql:

pip install pymysql

3、在爬虫程序中使用mysql

我们以之前爬取今日头条的例子来扩展; 之前的代码是这样的:

# coding:utf-8import requests
import json

url = 'http://www.toutiao.com/api/pc/focus/'
wbdata = requests.get(url).text

data = json.loads(wbdata)
news = data['data']['pc_feed_focus']

for n in news:    
  title = n['title']    
  img_url = n['image_url']    
  url = n['media_url']    
  print(url,title,img_url)

在最后,我们直接使用print将数据打印了出来。 现在我们使用pymysql将数据存储到Mysql中。 (创建数据库toutiao,创建数据表data) 修改的代码如下:

# coding:utf-8import requests
import json
import pymysql

conn = pymysql.connect(host='localhost',port=3307,user='root',password='usbw',db='toutiao',charset='utf8')
cursor = conn.cursor()

url = 'http://www.toutiao.com/api/pc/focus/'wbdata = requests.get(url).text

data = json.loads(wbdata)
news = data['data']['pc_feed_focus']for n in news:
    title = n['title']
    img_url = n['image_url']
    url = n['media_url']    print(url,title,img_url)
    cursor.execute("INSERT INTO data(title,img_url,url)VALUES('{0}','{1}','{2}');".format(title,img_url,url))
    conn.commit()

cursor.close()
conn.close()

最后,数据库中就已经存储了数据:

与之前的代码相比,有以下不同: 引入pymysql模块: import pymysql 建立一个mysql的连接: conn = pymysql.connect(host='localhost',port=3307,user='root',password='usbw',db='toutiao',charset='utf8') 创建一个游标cursor: cursor = conn.cursor() 执行一个SQL语句: cursor.execute("INSERT INTO data(title,img_url,url)VALUES('{0}','{1}','{2}');".format(title,img_url,url)) 提交执行(因为对数据进行和修改,如果只是select,则不需要):

conn.commit()

最后,关闭连接:

cursor.close()
conn.close()

嗯,将数据保存在MySQL就完成了,更多的MySQL和PyMySQL的用法,还请看文档 下面看看MongoDB

二、MongoDB

1、下载并安装MongoDB:

https://www.mongodb.com/download-center

2、运行mongodb:

进入安装好之后的mongo目录的bin目录,打开命令行窗口,输入“mongod --dbpath=数据存放路径”

3、安装pymongo:

pip install pymongo

4、使用MongoDB和PyMongo

依然是扩展爬取今日头条的例子,先上代码:

# coding:utf-8import requestsimport jsonimport pymongo

conn = pymongo.MongoClient(host='localhost',port=27017)
toutiao = conn['toutiao']
newsdata = toutiao['news']

url = 'http://www.toutiao.com/api/pc/focus/'wbdata = requests.get(url).text

data = json.loads(wbdata)
news = data['data']['pc_feed_focus']for n in news:
    title = n['title']
    img_url = n['image_url']
    url = n['media_url']
    data = {        'title':title,        'img_url':img_url,        'url':url
    }
    newsdata.insert_one(data)for i in newsdata.find():
    print(i)

存储数据到MongoDB并读取出来

Pymongo相关的代码为: 引入模块

import pymongo

连接到Mongo

conn = pymongo.MongoClient(host='localhost',port=27017)

选择或创建数据库

toutiao = conn['toutiao']

选择或创建数据集合

newsdata = toutiao['news']

插入一行数据:

newsdata.insert_one(data)

查询数据

newsdata.find()

如此,简单地对数据进行数据库存储就完成了。

原文发布于微信公众号 - 州的先生(zmister2016)

原文发表时间:2017-02-11

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。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏运维一切

tomcat启动扫描导致启动过慢 原

可以看到TLD scan居然花了24分钟之多 看了一圈资料 https://blog.csdn.net/renfufei/article/details/708...

491
来自专栏阿杜的世界

Serviceability Agent介绍简单介绍安装使用模式入门示例SA的其他工具参考资料

构建高性能的Java应用过程中,必然会遇到各种各样的问题,像CPU飙高、内存泄漏、应用奔溃,以及其他疑难杂症,这时可以使用Serviceability Agen...

1163
来自专栏大数据-Hadoop、Spark

Kafka+Logstash整合

1.启动ZK ./zkServer.sh start 2.daemon形式启动Kafka kafka-server-start.sh -daemon $KA...

3696
来自专栏散尽浮华

CentOS7下OpenLDAP统一认证的主从环境部署记录

2713
来自专栏偏前端工程师的驿站

.Net魔法堂:开启IIS的WebGarden、WebFarm和StateServer之旅

前言                                 公司系统虽然配置有1台NLB后拖4台App Server最后搭一台强劲无比的DB Serv...

2247
来自专栏FreeBuf

GDB调试CVE-2018-5711 PHP-GD拒绝服务漏洞

下载、编译PHP源码 从github的PHP-src克隆下含有漏洞的版本,最好采取7.0以上版本,编译时候会比较简单,本次选用PHP7.1.9。编译环境为 阿里...

2045
来自专栏贾老师の博客

一些实用技巧与备忘

1013
来自专栏州的先生

如虎添翼!在PyQt5中便捷的进行数据库操作!

在桌面图像化界面编程中,我们通常需要将一些数据或配置信息存储在本地。在本地进行数据的存储,我们可以直接使用文本文件,比如ini文件、csv文件、json文件等,...

1613
来自专栏坚毅的PHP

my python FAQ

python编码规范 http://google-styleguide.googlecode.com/svn/trunk/pyguide.html 判断对象是否...

3287
来自专栏腾讯云数据库团队的专栏

Mysql数据导入CTSDB最佳实践

    CTSDB是一款分布式、可扩展、支持近实时数据搜索与分析的时序数据库,且兼容Elasticsearch常用的API接口。对于很多用户,想要将Mysql中...

3178

扫码关注云+社区