python3实战scrapy获取数据保存至MySQL数据库

python3使用scrapy获取数据然后保存至MySQL数据库，我上一篇写了如何爬取数据保存为csv文件，这一篇将会写如何将数据保存至数据库。

思路大都一样，我列一个思路：

1：获取腾讯招聘网。

2：筛选信息获取我们想要的。

3：将获取的信息按照规律保存至本地的txt文件。

4：读取txt文件的信息上传至MySQL数据库。

（友情提示：如果有朋友不怎么看得懂路径导入，可以看看我之前写的自定义模块路径导入方法的文章）

下面我们就按照这四步来实现目的。

（声明一下，除了数据库有关的代码有注释外，其他有不懂的可以看上一篇生成csv文件的文章的注释）

呈上代码（代码很简单，只需要简单的分析就行了）：

# _*_ coding:utf-8 _*_import scrapy         #下面这些都是基本的模块，慢慢分析就行from scrapy.http import Requestfrom time import sleepimport pymysql     #python3连接数据库的模块pymysqlimport osimport syssys.path.append("D:\PYscrapy\get_Field")   #一样的路径导入以便调用下面两个模块from get_Field.items import GetItemimport mainclass Tencentzhaopin(scrapy.Spider):name = "field"start_urls = ["http://hr.tencent.com/position.php?&start=0#a"]url = "http://hr.tencent.com/"count = 0filename = "data.txt"if os.path.exists(filename) == True:os.remove(filename)def database(self,path):    #调用这个自定义函数来实现对数据库的操作connect = pymysql.connect(user = "root",password = "xxxxxxxx",  #连接数据库，不会的可以看我之前写的连接数据库的文章port = 3306,host = "127.0.0.1",db = "MYSQL",charset = "utf8")con = connect.cursor()  #获取游标con.execute("create database w_tencent")  #创建数据库，！！！！这一条代码仅限第一次使用，有了数据库后就不用再使用了con.execute("use w_tencent")   #使用数据库con.execute("drop table if exists t_zhaopin")  #判断是否存在这个数据库表sql = '''create table t_zhaopin(name varchar(40),genre varchar(20),number bigint,place varchar(40),time varchar(20))'''con.execute(sql)  #执行sql命令  创建t_zhaopin表来保存信息with open(path,"r") as f:  #打开path本地文档while True:info = f.readline()   #一行一行的读取文档信息if info:info = info.strip()  #去掉换行符info = info.split(";")  #以;来分割将信息变换为列表形式name = info[0]genre = info[1]number = info[2]place = info[3]time = info[4]con.execute("insert into t_zhaopin(name,genre,number,place,time)values(%s,%s,%s,%s,%s)",[name,genre,number,place,time])# 这一句就是将信息保存至t_zhaopin表中else:breakconnect.commit()   #我们需要提交数据库，否则数据还是不能上传的con.close()   #关闭游标connect.close()  #关闭数据库print("Over!!!!!!!!!")def parse(self,response):self.count += 1name = response.xpath('//table//td[@class="l square"]//a//text()').extract()genre = response.xpath('//table//tr[not(@class="h")]//td[2][not(@align="center")]//text()').extract()number = response.xpath('//table//tr[not(@class="h")]//td[3][not(@align="center")]//text()').extract()place = response.xpath('//table//tr[not(@class="h")]//td[4][not(@align="center")]//text()').extract()time = response.xpath('//table//tr[not(@class="h")]//td[5][not(@align="center")]//text()').extract()with open(self.filename,"a") as f: #将我们获取到的信息保存到本地for i in range(len(genre)):  #以某个属性的长度来循环f.write(name[i]+";")     #我们将这些信息保存起来，并用;来分隔f.write(genre[i]+";")f.write(number[i]+";")f.write(place[i]+";")f.write(time[i]+"\n")new_url = response.xpath('//*[@id="next"]//@href').extract()new_url = self.url+new_url[0]print("Over")sleep(0.5)if self.count<=20:yield Request(url=new_url,callback=self.parse)  #循环获取20页的内容就行了else:self.database(self.filename)   #当超过20页时跳出返回，调用database函数存信息到数据库

以上是完整的代码，可以根据自己的实际情况来修改。

难的地方应该没有，但是对于一个初学者，细节还要是有很多的，我刚开始就是忘记了提交数据，找了很久的问题，郁闷。。。。。。

相互学习，可以用讨论，希望对大家有帮助