Python爬虫入门实战八：数据储存——MongoDB与MySQL
好久没更新了，今天填一个坑。
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-8 import 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-8 import 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-8 import requests import json import 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。