scrapy抓取网页信息插入MySQL
来源:互联网 发布:北京北大软件上班 编辑:程序博客网 时间:2024/05/13 18:36
在文章http://blog.csdn.net/lishk314/article/details/44243139 的基础下,将抓取到的信息保存到MySQL数据库。
代码参考自:http://www.oschina.net/question/553899_113210
更改 pipelines.py文件,文件内容如下:
from scrapy import logfrom twisted.enterprise import adbapiimport MySQLdb.cursorsclass W3SchoolPipeline(object):def __init__(self):self.dbpool =adbapi.ConnectionPool('MySQLdb',host ='127.0.0.1',#本地db='test',user ='root',passwd='123456',charset ='utf8',#防止中文乱码cursorclass=MySQLdb.cursors.DictCursor,use_unicode=True)def process_item(self,item,spider):#print spiderquery =self.dbpool.runInteraction(self._conditional_insert,item)#query =addErrback(self.handle_error)return itemdef _conditional_insert(self,tx,item):#if item.get('title'):tx.execute(\"insert into book(title,link,descs) ""values(%s,%s,%s)",(item['title'][0],item['link'][0],item['desc'][0]))def handle_error(self,e):log.err(e)
问题1:ImportError: No module named MySQLdb
原因:没有安装MySQL-python
使用命令安装MySQL-python:easy_install MySQL-python
出现了问题2:error: Unable to find vcvarsall.bat
不知道什么原因,百度了一下,根据 http://www.crifan.com/python_install_module_mysql_mysqldb/ 文章,
下载了
MySQL-python-1.2.3.win-amd64-py2.7.exe
安装成功。
问题3:在插入数据的时,将MySQL的关键字 desc 当成 列名了,导致插入失败,于是更改为列名 descs。
问题4:插入数据库时发现中文乱码,于是在 dbpool 添加了 charset ='utf8' ,成功。(注意:请先确认你的MySQL 是否插入中文乱码【用insert语句测试一下】)。
附带1:
根据问题4,如果出现乱码,将MySQL安装目录中找到 my.ini 配置文件,将 default-character-set=latin1 改成 default-character-set= utf8(注:共有两处)。
建表时将charset 设置成 utf8。
注:latin1 是ISO-8859-1的别名。
附带2:
如果插入数据库的数据不按顺序插入,可以在 setting.py文件 或 w3school_spider.py文件中添加: download_delay =5 (延迟下载时间,适当加大即可)。
附带3:
如果start_urls 中有多个网页是有规则的,例如:
start_urls=[
http://www.abc.com/1page,
http://www.abc.com/2page,
http://www.abc.com/3page
]
可以写成:
start_urls = ["http://www.abc.com/%dpage" % i for i in range(1,4)]
- scrapy抓取网页信息插入MySQL
- 如何运用SCRAPY+MySQL抓取相关信息
- Scrapy抓取网页数据
- 三十二、scrapy爬虫抓取网页写入mysql数据库
- 用scrapy进行网页抓取
- 用scrapy进行网页抓取
- 用scrapy进行网页抓取
- 用scrapy进行网页抓取
- scrapy递归抓取网页数据
- Python Scrapy抓取动态网页
- 网页信息抓取
- [Python]网页信息抓取
- Perl抓取网页信息
- HtmlAgilityPack 抓取网页信息
- php 抓取网页信息
- 抓取网页信息PHP
- 一淘搜索之网页抓取系统分析与实现(3)—scrapy+webkit & mysql+django
- scrapy抓取ajax请求的网页
- Android Zxing 二维码添加 开 关 灯 的功能
- Java NIO系列教程(十二) Java NIO与IO
- 取出数组中的重复数字 和 不重复的数量和去重
- CSS框架Less
- Windows7下安装scipy
- scrapy抓取网页信息插入MySQL
- Linux内核数据结构——链表
- Spring MVC防止数据重复提交
- 百度云平台使用说明
- Apache2 Nginx配置多域名
- 北大ACM试题1005
- linux下绑定host
- PKI技术原理(收集 整理 归纳)
- mac 10.10.1 下要用android-ndk-r10c-macosx版本