爬虫实战PyCharm+Scrapy爬取数据并存入MySQL




# 导入必要的模块
import pymysql
from twisted.enterprise import adbapi
from scrapy.utils.project import get_project_settings
 
class MysqlPipeline:
    def __init__(self, host, database, user, password, port, charset):
        self.host = host
        self.database = database
        self.user = user
        self.password = password
        self.port = port
        self.charset = charset
        self.dbpool = adbapi.ConnectionPool('pymysql', host=self.host, db=self.database, user=self.user,
                                            password=self.password, port=self.port, charset=self.charset,
                                            cursorclass=pymysql.cursors.DictCursor)
 
    @classmethod
    def from_crawler(cls, crawler):
        """
        通过Scrapy的配置文件获取数据库连接信息
        """
        host = crawler.settings.get('MYSQL_HOST')
        database = crawler.settings.get('MYSQL_DATABASE')
        user = crawler.settings.get('MYSQL_USER')
        password = crawler.settings.get('MYSQL_PASSWORD')
        port = crawler.settings.get('MYSQL_PORT')
        charset = crawler.settings.get('MYSQL_CHARSET')
        return cls(host, database, user, password, port, charset)
 
    def open_spider(self, spider):
        """
        爬虫开始运行时执行的操作
        """
        print('MysqlPipeline: 数据库连接开启')
 
    def close_spider(self, spider):
        """
        爬虫关闭时执行的操作
        """
        self.dbpool.close()
        print('MysqlPipeline: 数据库连接已关闭')
 
    def process_item(self, item, spider):
        """
        处理item,将数据存入数据库
        """
        query = self.dbpool.runInteraction(self.do_insert, item)
        query.addErrback(self.handle_error, item, spider)  # 处理异常
        return item
 
    def do_insert(self, cursor, item):
        """
        执行数据插入操作
        """
        insert_sql = """
            INSERT INTO job (title, company, salary, address, eduLevel, jobType, publishTime, detailUrl, category)
            VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s)
        """
        cursor.execute(insert_sql, (item['title'], item['company'], item['salary'], item['address'], item['eduLevel'],
                                   item['jobType'], item['publishTime'], item['detailUrl'], item['category']))
 
    def handle_error(self, failure, item, spider):
        """
        处理异常
        """
        print(failure)
 

这段代码实现了一个Scrapy的管道,用于将爬取的数据存入MySQL数据库。首先定义了一个\`MysqlPipeli

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日