解析数据存储MySQL

为了适应不同项目对不同感兴趣属性的解析存储，数据存储结构采用纵向的属性列表方式，即一个url页面多个属性存储多条记录方式，并且按照text，html，data，num几大典型类型分别对应存储。

　　创建UTF-8字符集的nutch数据库，并执行表初始化脚本，参考DDL：

　　CREATE TABLE `crawl_data` (

　　`url` varchar(255) NOT NULL,

　　`code` varchar(255) NOT NULL,

　　`name` varchar(255) DEFAULT NULL,

　　`category` varchar(255) DEFAULT NULL,

　　`order_index` int(255) DEFAULT NULL,

　　`fetch_time` datetime NOT NULL,

　　`text_value` text, `html_value` text,

　　`date_value` datetime DEFAULT NULL,

　　`num_value` decimal(18,2) DEFAULT NULL

　　) ENGINE=InnoDB DEFAULT CHARSET=utf8;

　　为了一般在业务系统获取同一个url的多个属性或友好查询显示，参考如下MySQL脚本实现把纵向的属性列表属性转换为横向的多列显示模式。网上有 相关参考脚本大多是基于数字字段sum汇总等模式的纵转横SQL脚本，本项目需求是单一的基于字符串信息转换，经过一段摸索最后找到基于 GROUP_CONCAT可以实现：

　　SELECT url ,fetch_time,

　　GROUP_CONCAT(CASE WHEN code = ‘domain‘ THEN text_value ELSE null END) AS `domain`,

　　GROUP_CONCAT(CASE WHEN code = ‘name‘ THEN text_value ELSE null END) AS `name`,

　　GROUP_CONCAT(CASE WHEN code = ‘brand‘ THEN text_value ELSE null END) AS `brand`,

　　GROUP_CONCAT(CASE WHEN code = ‘category‘ THEN text_value ELSE null END) AS `category`,

　　GROUP_CONCAT(CASE WHEN code = ‘purpose‘ THEN text_value ELSE null END) AS `purpose`,

　　GROUP_CONCAT(CASE WHEN code = ‘price‘ THEN num_value ELSE null END) AS `price`,

　　GROUP_CONCAT(CASE WHEN code = ‘refPrice‘ THEN num_value ELSE null END) AS `refPrice`,

　　GROUP_CONCAT(CASE WHEN code = ‘primaryImage‘ THEN text_value ELSE null END) AS `primaryImage` FROM crawl_data GROUP BY url,fetch_time