Scrapy 框架（二）数据的持久化

今天小婷儿给大家分享的是Scrapy 框架（二）数据的持久化。

Scrapy 框架（二）数据的持久化

scrapy数据的持久化（将数据保存到数据库）

一、建立项目

1、scrapy startproject dushu

2、进入项目

　cd dushu

　 执行：scrapy genspider -t crawl read www.dushu.com

  查看：read.py
  class ReadSpider(CrawlSpider):
      name = 'read'
      allowed_domains = ['www.dushu.com']
      start_urls = ['https://www.dushu.com/book/1175.html']

注：项目更改了默认模板，使其具有递归性

3、模板CrawlSpider具有以下优点：

1）继承自scrapy.Spider；

2）CrawlSpider可以定义规则

在解析html内容的时候，可以根据链接规则提取出指定的链接，然后再向这些链接发送请求；

所以，如果有需要跟进链接的需求，意思就是爬取了网页之后，需要提取链接再次爬取，使用CrawlSpider是非常合适的；

3）模拟使用：

a: 正则用法：links1 = LinkExtractor(allow=r'list_23_\d+\.html')

b: xpath用法：links2 = LinkExtractor(restrict_xpaths=r'//div[@class="x"]')

c:css用法：links3 = LinkExtractor(restrict_css='.x')

4、更改模板后rules参数解释：

a：参数一 (allow=r'/book/1175_\d+.html') 匹配规则;

b: 参数二 callback='parse_item' ，数据回来之后调用多方法

c: 参数三，True，从新的页面中继续提取链接

注：False，当前页面中提取链接，当前页面start_urls

5、 修改start_urls

start_urls = ['https://www.dushu.com/book/1175.html']

　　写 def parse_item(self, response)

6、items.py

7、pipelines.py（yield后会回到pipelines.py）

1）写def __init__(self): 和 def close_spider(self,spider):

2）连接mysql,保存数据

3）启动mysql (Navicat)

4) 连接数据库def process_item(self, item, spider)

5）setting（robots、USER_AGENT、ITEM_PIPELINES）

6）read.py（修改rules）

8、执行scrapy crawl read，将数据写入数据库