Scrapy入门教程之写入数据库

接着之前的文章http://blog.csdn.net/androidworkor/article/details/51176387 来说说如何把抓到的数据写入数据库。

1. 编写爬虫脚本

还是以爬糗事百科为例，编写脚本，保存在 Hello/spiders 目录下的 spider_qiushibaike.py 文件中

# -*- coding: utf-8 -*-
import scrapy
from Hello.items import HelloItem

class Spider_qiushibaike(scrapy.Spider):
    name = "qiubai"

    start_urls = [
        ‘http://www.qiushibaike.com‘
    ]

    def parse(self, response):
        for item in response.xpath(‘//div[@id="content-left"]/div[@class="article block untagged mb15"]‘):
            qiubai = HelloItem()

            icon = item.xpath(‘./div[@class="author clearfix"]/a[1]/img/@src‘).extract()
            if icon:
                icon = icon[0]
                qiubai[‘userIcon‘] = icon

            userName = item.xpath(‘./div[@class="author clearfix"]/a[2]/h2/text()‘).extract()
            if userName:
                userName = userName[0]
                qiubai[‘userName‘] = userName

            content = item.xpath(‘./div[@class="content"]/descendant::text()‘).extract()
            if content:
                con = ‘‘
                for str in content:
                    con += str
                qiubai[‘content‘] = con

            like = item.xpath(‘./div[@class="stats"]/span[@class="stats-vote"]/i/text()‘).extract()
            if like:
                like = like[0]
                qiubai[‘like‘] = like

            comment = item.xpath(‘./div[@class="stats"]/span[@class="stats-comments"]/a/i/text()‘).extract()
            if comment:
                comment = comment[0]
                qiubai[‘comment‘] = comment

            yield qiubai

2. 创建数据库

2.1 创建数据库

我使用的是SQLyog这个软件。打开SQLyog，填写保/存的连接、MySQL Host Address、用户名、密码如下所示：

准确填写之后，点击连接进入数据库界面，如下图所示：

鼠标右键点击红色框框圈起来的区域，选择创建数据库，如下图所示：

这样数据库就创建好了。

2.2 创建表

选中刚创建好的数据库，点击鼠标右键，选择创建表，如下如所示：

出现一个界面，如下图所示：

填好表名称、字段、类型等等。这样表也建好了。其中表的结构一定要跟之前定义好的items.py个数和类型要保存一致

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy

class HelloItem(scrapy.Item):
    # define the fields for your item here like:
    userIcon = scrapy.Field()
    userName = scrapy.Field()
    content = scrapy.Field()
    like = scrapy.Field()
    comment = scrapy.Field()

3. 编写pipelines.py文件

编写pipelines文件，其文件目录机构是这样的：

其中代码如下：

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don‘t forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import pymysql

def dbHandle():
    conn = pymysql.connect(
        host=‘localhost‘,
        user=‘root‘,
        passwd=‘root‘,
        charset=‘utf8‘,
        use_unicode=False
    )
    return conn

class HelloPipeline(object):
    def process_item(self, item, spider):
        dbObject = dbHandle()
        cursor = dbObject.cursor()
        sql = ‘insert into joke.t_baike(userIcon,userName,content,likes,comment) values (%s,%s,%s,%s,%s)‘

        try:
            cursor.execute(sql,(item[‘userIcon‘],item[‘userName‘],item[‘content‘],item[‘like‘],item[‘comment‘]))
            dbObject.commit()
        except Exception,e:
            print e
            dbObject.rollback()

        return item

4. 配置使pipelines.py生效

打开settings.py文件，添加一行代码

ITEM_PIPELINES = {
    ‘Hello.pipelines.HelloPipeline‘: 300,
}

这样就可以了。完整的如下图所示：

5. 运行

所有的准备工作都做好了，现在就是见证奇迹的时候了。

打开命令行执行

scrapy crawl qiubai

这时候你大概可以看到类似的日志，如下图所示：

好了到这里差不多，在来看看数据库中是否插入成功。

数据库插入成功，在看下数据是否抓取正确，打开qiushibaike.com，比对下

好了，大功告成了。

容我打个广告：

如果你不了解环境是怎么搭建的可以查看这篇文章：http://blog.csdn.net/androidworkor/article/details/51171098

如果你对scrapy的基本用法不熟悉你可以看这篇文章:http://blog.csdn.net/androidworkor/article/details/51176387

好了，有什么问题，请留言。