这篇文章主要介绍了scrapy数据存储在mysql数据库的两种方式(同步和异步)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。
方法一：同步操作
1.pipelines.py文件(处理数据的python文件)
import pymysqlclass LvyouPipeline(object):def __init__(self):# connection databaseself.connect = pymysql.connect(host='XXX', user='root', passwd='XXX', db='scrapy_test') # 后面三个依次是数据库连接名、数据库密码、数据库名称# get cursorself.cursor = self.connect.cursor()print("连接数据库成功")def process_item(self, item, spider):# sql语句insert_sql = """insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)"""# 执行插入数据到数据库操作self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],item['Price']))# 提交，不进行提交无法保存到数据库self.connect.commit()def close_spider(self, spider):# 关闭游标和连接self.cursor.close()self.connect.close()
2.配置文件中
方式二 异步储存
pipelines.py文件：
通过twisted实现数据库异步插入，twisted模块提供了 twisted.enterprise.adbapi
1. 导入adbapi。
2. 生成数据库连接池。
3. 执行数据数据库插入操作。
4. 打印错误信息，并排错。
import pymysqlfrom twisted.enterprise import adbapi# 异步更新操作class LvyouPipeline(object):def __init__(self, dbpool):self.dbpool = dbpool@classmethoddef from_settings(cls, settings): # 函数名固定，会被scrapy调用，直接可用settings的值"""数据库建立连接:param settings: 配置参数:return: 实例化参数"""adbparams = dict(host=settings['MYSQL_HOST'],db=settings['MYSQL_DBNAME'],user=settings['MYSQL_USER'],password=settings['MYSQL_PASSWORD'],cursorclass=pymysql.cursors.DictCursor # 指定cursor类型)# 连接数据池ConnectionPool，使用pymysql或者Mysqldb连接dbpool = adbapi.ConnectionPool('pymysql', **adbparams)# 返回实例化参数return cls(dbpool)def process_item(self, item, spider):"""使用twisted将MySQL插入变成异步执行。通过连接池执行具体的sql操作，返回一个对象"""query = self.dbpool.runInteraction(self.do_insert, item) # 指定操作方法和操作数据# 添加异常处理query.addCallback(self.handle_error) # 处理异常def do_insert(self, cursor, item):# 对数据库进行插入操作，并不需要commit，twisted会自动commitinsert_sql = """insert into lvyou(name1, address, grade, score, price) VALUES (%s,%s,%s,%s,%s)"""self.cursor.execute(insert_sql, (item['Name'], item['Address'], item['Grade'], item['Score'],item['Price']))def handle_error(self, failure):if failure:# 打印错误信息print(failure)
注意：
1、python 3.x 不再支持MySQLdb，它在py3的替代品是： import pymysql。
2、报错pymysql.err.ProgrammingError: (1064, ……
原因：当item['quotes']里面含有引号时，可能会报上述错误。
解决办法：使用pymysql.escape_string()方法。
例如：
sql = """INSERT INTO video_info(video_id, title) VALUES("%s","%s")""" %(video_info["id"],pymysql.escape_string(video_info["title"]))
3、存在中文的时候，连接需要添加charset='utf8'，否则中文显示乱码。
4、每执行一次爬虫，就会将数据追加到数据库中，如果多次的测试爬虫，就会导致相同的数据不断累积，怎么实现增量爬取?
scrapy-deltafetch
scrapy-crawl-once(与1不同的是存储的数据库不同)
scrapy-redis
scrapy-redis-bloomfilter(3的增强版，存储更多的url,查询更快)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。