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。

猜你也喜欢

  1. zealot说道:

    你mongoDB这里说的非常简略了,实际上mongoDB初次安装会碰到很多问题(嘛我是遇到了才说的)
    虽然都解决了,花了一整天时间
    不知道你下一步准备些什么

    1. zmister说道:

      可能分享一些爬虫的具体应用,像3000高频词那样,或者是数据可视化、数据统计,亦或者是对Web的应用,个人并不追求技术的高深与玄乎,只是将其用于实际的应用中。

  2. 无怀氏说道:

    对于初学者就喜欢这样简洁高效实用的教程

    1. zmister说道:

      多谢支持

  3. 匿名说道:

    不想多说,只想给你点赞

    1. zmister说道:

      多谢支持

    1. zmister说道:

      谢谢支持

  4. 匿名说道:

    只想说。我竟然很顺利的做完了。都还运行成功了。

    1. zmister说道:

      恭喜恭喜:)

  5. 菜鸟说道:

    敢问为何USBWebserver存储不了中文 :lol:

    1. zmister说道:

      数据内容么?数据库的类型和表的类型都要设为utf-8,不然会乱码

  6. zunler说道:

    谢谢你 教程不错使用 希望能出更多教程

  7. PE说道:

    之前关注您的公众号,后来才接触到您写的python的教程,感觉非常受用,谢谢大神。

zunler进行回复 取消回复

邮箱地址不会被公开。