scrapy数据存储在mysql数据库的两种方式(同步和异步)

方法一：同步操作

1.pipelines.py文件（处理数据的python文件）

1. import pymysql
2.  
3. class LvyouPipeline(object):
4. def __init__(self):
5. # connection database
6. self.connect = pymysql.connect(host='XXX', user='root', passwd='XXX', db='scrapy_test') # 后面三个依次是数据库连接名、数据库密码、数据库名称
7. # get cursor
8. self.cursor = self.connect.cursor()
9. print("连接数据库成功")
10.  
11. def process_item(self, item, spider):
12. # sql语句
13. insert_sql = """
14. insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)
15. """
16. # 执行插入数据到数据库操作
17. self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],
18. item['Price']))
19. # 提交，不进行提交无法保存到数据库
20. self.connect.commit()
21.  
22. def close_spider(self, spider):
23. # 关闭游标和连接
24. self.cursor.close()
25. self.connect.close()

2.配置文件中

方式二 异步储存

pipelines.py文件：

通过twisted实现数据库异步插入，twisted模块提供了 twisted.enterprise.adbapi

　　1. 导入adbapi

　　2. 生成数据库连接池

　　3. 执行数据数据库插入操作

　　4. 打印错误信息，并排错 

1. import pymysql
2. from twisted.enterprise import adbapi
3. # 异步更新操作
4. class LvyouPipeline(object):
5. def __init__(self, dbpool):
6. self.dbpool = dbpool
7.  
8. @classmethod
9. def from_settings(cls, settings): # 函数名固定，会被scrapy调用，直接可用settings的值
10. """
11. 数据库建立连接
12. :param settings: 配置参数
13. :return: 实例化参数
14. """
15. adbparams = dict(
16. host=settings['MYSQL_HOST'],
17. db=settings['MYSQL_DBNAME'],
18. user=settings['MYSQL_USER'],
19. password=settings['MYSQL_PASSWORD'],
20. cursorclass=pymysql.cursors.DictCursor # 指定cursor类型
21. )
22.  
23. # 连接数据池ConnectionPool，使用pymysql或者Mysqldb连接
24. dbpool = adbapi.ConnectionPool('pymysql', **adbparams)
25. # 返回实例化参数
26. return cls(dbpool)
27.  
28. def process_item(self, item, spider):
29. """
30. 使用twisted将MySQL插入变成异步执行。通过连接池执行具体的sql操作，返回一个对象
31. """
32. query = self.dbpool.runInteraction(self.do_insert, item) # 指定操作方法和操作数据
33. # 添加异常处理
34. query.addCallback(self.handle_error) # 处理异常
35.  
36. def do_insert(self, cursor, item):
37. # 对数据库进行插入操作，并不需要commit，twisted会自动commit
38. insert_sql = """
39. insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)
40. """
41. self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],
42. item['Price']))
43.  
44. def handle_error(self, failure):
45. if failure:
46. # 打印错误信息
47. print(failure)
48.  

注意：

1、python 3.x 不再支持MySQLdb，它在py3的替代品是： import pymysql。

2、报错pymysql.err.ProgrammingError: (1064, ……

原因：当item['quotes']里面含有引号时，可能会报上述错误

解决办法：使用pymysql.escape_string()方法

例如：

1. sql = """INSERT INTO video_info(video_id, title) VALUES("%s","%s")""" %(video_info["id"],pymysql.escape_string(video_info["title"]))

3、存在中文的时候，连接需要添加charset='utf8'，否则中文显示乱码。

4、每执行一次爬虫，就会将数据追加到数据库中，如果多次的测试爬虫，就会导致相同的数据不断累积，怎么实现增量爬取？

• scrapy-deltafetch
• scrapy-crawl-once（与1不同的是存储的数据库不同）
• scrapy-redis
• scrapy-redis-bloomfilter(3的增强版，存储更多的url,查询更快)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。