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

来自专栏数据和云

如何在多租户环境下使用数据库的闪回功能

编辑手记:对于数据库的闪回功能,可能大家都不陌生,那么如何在多租户环境下使用该功能,如果关闭了表空间的闪回功能,会给数据库带来哪些影响?我们一起来学习。 本文来...

3385
来自专栏GopherCoder

Django:web框架的学习(1)

1464
来自专栏程序员的SOD蜜

PDF.NET数据开发框架之集成开发工具Ver 4.1发布

PDF.NET数据开发框架 是一套轻量级的快速数据开发框架,它具有iBatis类似的SQL-MAP特性和Hibernate的ORM持久化特性,但不使用反射,整个...

2319
来自专栏python3

解决centos7 /etc/rc.local 不能执行

最近发现centos7 的/etc/rc.local不会开机执行,于是认真看了下/etc/rc.local文件内容的就发现了问题的原因了

1242
来自专栏张狗蛋的技术之路

MySQL探秘(四):InnoDB的磁盘文件及落盘机制

 任何一个技术都有其底层的关键基础技术,这些关键技术很有可能也是其他技术的关键技术,学习这些底层技术,就可以一通百通,让你很快的掌握其他技术。如何在磁盘上存储数...

1415
来自专栏xingoo, 一个梦想做发明家的程序员

Head插件——学习Elasticsearch的锋刃利器!

在学习Elasticsearch的过程中,必不可少需要通过一些工具查看es的运行状态以及数据。如果都是通过rest请求,未免太过麻烦,而且也不够人性化。 此...

2676
来自专栏文渊之博

SQLServer中的死锁的介绍

简介 什么是死锁?      我认为,死锁是由于两个对象在拥有一份资源的情况下申请另一份资源,而另一份资源恰好又是这两对象正持有的,导致两对象无法完成操作,且...

2155
来自专栏林欣哲

MySQL数据库备份和恢复

1832
来自专栏码农二狗

使用shell搜索匹配文件

1103
来自专栏北京马哥教育

原创投稿 | 如何为Django添加中文搜索服务

云豆贴心提醒,本文阅读时间7分钟 在使用python的过程中,必然会设计到如何创建web应用,而搜索功能却最为常见,该文档包含了如何整合haystack,el...

28310

扫码关注云+社区