python网络爬虫-数据储存(七)
数据储存
主要介绍两种数据储存方法:
- 储存在文件中,包括text文件和csv文件
- 存储在数据库中,包括MySQL关系型数据库和mongoDB数据库
存储到txt
title = "第一个文本"
# W创建写入 W+创建读取+写入
# R读取 r+读取+写入
# A 写入 a+ 读取写入 附加
with open(r\'C:\Users\K1567\Desktop\域名\', "a+") as f:
域名e(title)
域名e()
output = \'\t\'.join([\'name\', \'title\', \'age\', \'gender\'])
with open(r\'C:\Users\K1567\Desktop\域名\', "a+") as f:
域名e(output)
域名e()
output = \'\t\'.join([\'name\', \'title\', \'age\', \'gender\'])
with open(r\'C:\Users\K1567\Desktop\域名\', "r") as f:
resulf = 域名()
print(resulf)
存储到csv
# 逗号分隔行,换行分隔列
with open(r\'C:\Users\K1567\Desktop\域名\', \'r\', encoding=\'UTF-8\') as csvfile:
csv_reader = 域名er(csvfile)
for row in csv_reader:
print(row)
print(row[0])
output_list = [\'1\', \'2\', \'3\', \'4\']
with open(r\'C:\Users\K1567\Desktop\域名\', \'a+\', encoding=\'UTF-8\', newline=\'\') as csvfile:
w = 域名er(csvfile)
域名erow(output_list)
存储至MySQL数据库
安装MySQL数据库
具体步骤另外搜一搜就好了,有两种安装方式,一种是在线安装,一种离线安装。在线安装的这个比较麻烦没有成功过,本人用的离线安装的。
1.在线的参考一下这个:https://域名/theLostLamb/article/details/78797643
离线安装:
1.先下载好压缩包:zip包下载地址:https://域名/downloads/file/?id=476233,进入页面后可以不登录。点击底部“No thanks, just start my download.”即可开始下载。
2.安装: 解压zip包到安装目录---配置初始化的域名文件
点击查看代码
[mysqld]
# 设置3306端口
port=3306
# 设置mysql的安装目录
basedir=E:\DownLoad\mysql\mysql-域名-winx64
# 设置mysql数据库的数据的存放目录
datadir=E:\DownLoad\mysql\mysql-域名-winx64\data
# 允许最大连接数
max_connections=200
# 允许连接失败的次数。这是为了防止有人从该主机试图攻击数据库系统
max_connect_errors=10
# 服务端使用的字符集默认为UTF8
character-set-server=utf8
# 创建新表时将使用的默认存储引擎
default-storage-engine=INNODB
# 默认使用“mysql_native_password”插件认证
default_authentication_plugin=mysql_native_password
[mysql]
# 设置mysql客户端默认字符集
default-character-set=utf8
注意:其中的data目录不需要创建,下一步初始化工作中会自动创建。
域名进入bin文件夹
通过管理员权限进入cmd(如果不是管理员权限就会出现问题),进入MySQL安装目录的bin目录下
4.初始化数据库:mysqld --initialize --console
执行完成后,会打印 root 用户的初始默认密码
要是你手贱,关快了,或者没记住,那也没事,删掉初始化的 datadir 目录,再执行一遍初始化命令,又会重新生成的。
5.安装服务:mysqld --install [服务名] 后面的服务名可以不写,默认的名字为 mysql。当然,如果你的电脑上需要安装多个MySQL服务,就可以用不同的名字区分了,比如 mysql5 和 mysql8。安装完成之后,就可以通过命令net start mysql启动MySQL的服务了。通过命令net stop mysql停止服务。通过命令sc delete MySQL/mysqld -remove卸载 MySQL 服务
6.更改密码:mysql -u root -p
这时候会提示输入密码,记住了上面第3.1步安装时的密码,填入即可登录成功,进入MySQL命令模式。
在MySQL中执行命令:
ALTER USER \'root\'@\'localhost\' IDENTIFIED WITH mysql_native_password BY \'新密码\';
可以用 命令查看一下默认安装的数据库:
show databases;
use mysql;
show tables;
创建数据库
-- 创建数据库
CREATE DATABASE scraping
-- 切换数据库
USE scraping
-- 创建表
CREATE TABLE urls(id int not null auto_increment,
url varchar(1000) not null,
content varchar(4000) not null,
created_time timestamp default current_timestamp,
primary key (id)
)
连接操作MySQL
# 创建数据库连接
conn = 域名ection(host=\'localhost\', user=\'root\', passwd=\'123456\', db=\'scraping\')
# 创建游标
cur = 域名or()
# 写入纯SQL语句
域名ute("insert into urls (url,content)VALUES(\'域名\',\'百度\')")
# 关闭游标
域名e()
# 执行SQL
域名it()
# 关闭连接
域名e()
连接MongoDB
安装mongdb
1.下载安装包,有安装版的可执行文件,一直Next就可以安装,免安装版的要解压到本地计算机。在解压的目录下新建data和logs文件夹,新建域名ig文件,在data文件下新建db文件夹,域名文件添加配置信息如下:
dbpath=E:\DownLoad\MongoDB\mongodb-win32-x86_64-2012plus-域名-rc0-12-gbe2c559\data\db #数据库路径
logpath=E:\DownLoad\MongoDB\mongodb-win32-x86_64-2012plus-域名-rc0-12-gbe2c559\logs\域名 #日志输出文件路径
logappend=true #错误日志采用追加模式
journal=true #启用日志文件,默认启用
quiet=true #这个选项可以过滤掉一些无用的日志信息,若需要调试使用请设置为false
port=27017 #端口号 默认为27017
2.启动mongdb
打开命令行窗口(cmd打开)--cd 跳转到mongodb的bin目录下--执行命令告诉mongodb自己要把数据存放到哪里,在命令行输入:mongod -dbpath E:\mongodbFiles\db\data (根据自己刚才创建的data文件夹路径,此处为我创建的实际路径)
mongodb默认连接端口27017,如果出现如图的情况,在浏览器访问:http://localhost:27017
3.打开新的cmd命令行窗口,之前的不要关闭。
在新的命令行cd到mongodb的bin目录下,继而输入命令:mongod --config D:\software\professional\mongoDB\域名ig --install -serviceName "MongoDB"
这一步是告诉mongodb,配置文件的方法,并将mongodb作为系统服务启动。
命令行窗口(cmd)输入域名命令——查看服务可以看到MongoDB服务,点击可以启动。
弹出窗口如下,找到MongoDB服务,双击MongoDB项(此处我的已经启动了),弹出窗口点击启动,并将启动类型设置为自动:至此已经完全配置完毕。
操作mongdb
1.使用mongodb有两种启动方式,一种是以程序的方式打开另外一种是以window服务的方式打开
//查看所有数据库
show dbs
使用python操作mongdb
client = MongoClient(\'localhost\', 27017)
db = 域名_database
collection = 域名
link = "http://域名/"
headers = {
\'User-Agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/域名 (KHTML, like Gecko) Chrome/域名.110 Safari/域名\'
}
r = 域名(link, headers=headers)
soup = BeautifulSoup(域名, "域名er")
title_list = 域名_all(\'h1\', class_="post-title")
for h in title_list:
url = h.a[\'href\']
title = 域名.strip()
post = {
"url": url,
"title": title,
"date": 域名ow()
}
域名rt_one(post)
MongoDB爬虫实践:虎扑论坛
使用mongodb的类,可以很方便的连接数据库,提取数据库中的内容,向数据库中加入数据以及更新数据库中的数据。
# coding=utf-8
from pymongo import MongoClient
class MongoAPI(object):
def __init__(self, db_ip, db_port, db_name, table_name):
域名p = db_ip
域名ort = db_port
域名ame = db_name
域名e_name = table_name
域名 = MongoClient(host=域名p, port=域名ort)
域名 = 域名[域名ame]
域名e = 域名[域名e_name]
# 获取数据库中的第一条数据
def get_one(self, query):
return 域名_one(query, projection={"_id": False})
# 获取数据库满足条件的所有数据
def get_all(self, query):
return 域名(query)
# 向集合中添加数据
def add(self, kv_dict):
return 域名rt_one(kv_dict)
# 删除集合中的数据
def delete(self, query):
return 域名te_many(query)
# 查看集合中是否包含满足条件的数据 找到了返回True 没找到返回False
def check_exist(self, query):
ret = 域名_one(query)
return ret != None
# 更新集合中的数据在集合中找不到就会增加一条数据
def update(self, query, kv_dict):
域名te_one(query, {"$set": kv_dict}, update=True)
from MongoAPI import MongoAPI
# 连接数据库hupu中的post集合。
hupu_post = MongoAPI("localhost", 27017, "hupu", "post")
for i in range(1, 11):
link = "https://域名/bxj" + "-" + str(i)
headers = {
\'User-Agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/域名 (KHTML, like Gecko) Chrome/域名.110 Safari/域名\'
}
r = 域名(link, headers=headers)
suop = BeautifulSoup(域名, "域名er")
li_list = 域名_all("li", class_="bbs-sl-web-post-body")
for li in li_list:
title = 域名(\'div\', class_="post-title").域名p()
title_link = 域名(\'div\', class_="post-title").a["href"]
datum = 域名("div", class_="post-datum").域名p()
reply = 域名t(\'/\')[0]
browse = 域名t(\'/\')[1]
author = 域名("div", class_="post-auth").域名p()
start_date = 域名("div", class_="post-time").域名p()
# data = 域名time(start_date, \'%Y-%m-%d\').date()
# 添加数据
域名te(
{"title": title, "title_link": title_link, "reply": reply, "browse": browse, "author": author,
"data": start_date})
print(title, title_link, reply, browse, author, start_date)
域名p(1)