问答文章1 问答文章501 问答文章1001 问答文章1501 问答文章2001 问答文章2501 问答文章3001 问答文章3501 问答文章4001 问答文章4501 问答文章5001 问答文章5501 问答文章6001 问答文章6501 问答文章7001 问答文章7501 问答文章8001 问答文章8501 问答文章9001 问答文章9501

如何将该Python爬取的数据存入MySQL中,数据库表带id

发布网友 发布时间:2022-04-06 04:01

我来回答

2个回答

懂视网 时间:2022-04-06 08:22

【相关学习推荐:python教程】

实验环境

1.安装Python 3.7

2.安装requests, bs4,pymysql 模块

实验步骤1.安装环境及模块

可参考https://www.jb51.net/article/194104.htm

2.编写代码

# 51cto 博客页面数据插入mysql数据库
# 导入模块
import re
import bs4
import pymysql
import requests

# 连接数据库账号密码
db = pymysql.connect(host='172.171.13.229',
  user='root', passwd='abc123',
  db='test', port=3306,
  charset='utf8')
# 获取游标
cursor = db.cursor()

def open_url(url):
 # 连接模拟网页访问
 headers = {
 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
  'Chrome/57.0.2987.98 Safari/537.36'}
 res = requests.get(url, headers=headers)
 return res

# 爬取网页内容
def find_text(res):
 soup = bs4.BeautifulSoup(res.text, 'html.parser')

 # 博客名
 titles = []
 targets = soup.find_all("a", class_="tit")
 for each in targets:
 each = each.text.strip()
 if "置顶" in each:
 each = each.split(' ')[0]
 titles.append(each)

 # 阅读量
 reads = []
 read1 = soup.find_all("p", class_="read fl on")
 read2 = soup.find_all("p", class_="read fl")
 for each in read1:
 reads.append(each.text)
 for each in read2:
 reads.append(each.text)

 # 评论数
 comment = []
 targets = soup.find_all("p", class_='comment fl')
 for each in targets:
 comment.append(each.text)

 # 收藏
 collects = []
 targets = soup.find_all("p", class_='collect fl')
 for each in targets:
 collects.append(each.text)

 # 发布时间
 dates=[]
 targets = soup.find_all("a", class_='time fl')
 for each in targets:
 each = each.text.split(':')[1]
 dates.append(each)

 # 插入sql 语句
 sql = """insert into blog (blog_title,read_number,comment_number, collect, dates)
 values( '%s', '%s', '%s', '%s', '%s');"""
 # 替换页面 xa0
 for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):
 reads = re.sub('s', '', reads)
 comment = re.sub('s', '', comment)
 collects = re.sub('s', '', collects)
 cursor.execute(sql % (titles, reads, comment, collects,dates))
 db.commit()
 pass

# 统计总页数
def find_depth(res):
 soup = bs4.BeautifulSoup(res.text, 'html.parser')
 depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text
 return int(depth)

# 主函数
def main():
 host = "https://blog.51cto.com/13760351"
 res = open_url(host) # 打开首页链接
 depth = find_depth(res) # 获取总页数

 # 爬取其他页面信息
 for i in range(1, depth + 1):
 url = host + '/p' + str(i) # 完整链接
 res = open_url(url) # 打开其他链接
 find_text(res) # 爬取数据

 # 关闭游标
 cursor.close()
 # 关闭数据库连接
 db.close()

if __name__ == '__main__':
 main()

3..MySQL创建对应的表

CREATE TABLE `blog` (
 `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
 `blog_title` varchar(52) DEFAULT NULL COMMENT '博客标题',
 `read_number` varchar(26) DEFAULT NULL COMMENT '阅读数量',
 `comment_number` varchar(16) DEFAULT NULL COMMENT '评论数量',
 `collect` varchar(16) DEFAULT NULL COMMENT '收藏数量',
 `dates` varchar(16) DEFAULT NULL COMMENT '发布日期',
 PRIMARY KEY (`row_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

4.运行代码,查看效果:

改进版:

改进内容:

1.数据库里面的某些字段只保留数字即可

2.默认爬取的内容都是字符串,存放数据库的某些字段,最好改为整型,方便后面数据库操作

1.代码如下:

import re
import bs4
import pymysql
import requests

# 连接数据库
db = pymysql.connect(host='172.171.13.229',
  user='root', passwd='abc123',
  db='test', port=3306,
  charset='utf8')
# 获取游标
cursor = db.cursor()

def open_url(url):
 # 连接模拟网页访问
 headers = {
 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
  'Chrome/57.0.2987.98 Safari/537.36'}
 res = requests.get(url, headers=headers)
 return res

# 爬取网页内容
def find_text(res):
 soup = bs4.BeautifulSoup(res.text, 'html.parser')

 # 博客标题
 titles = []
 targets = soup.find_all("a", class_="tit")
 for each in targets:
 each = each.text.strip()
 if "置顶" in each:
 each = each.split(' ')[0]
 titles.append(each)

 # 阅读量
 reads = []
 read1 = soup.find_all("p", class_="read fl on")
 read2 = soup.find_all("p", class_="read fl")
 for each in read1:
 reads.append(each.text)
 for each in read2:
 reads.append(each.text)

 # 评论数
 comment = []
 targets = soup.find_all("p", class_='comment fl')
 for each in targets:
 comment.append(each.text)

 # 收藏
 collects = []
 targets = soup.find_all("p", class_='collect fl')
 for each in targets:
 collects.append(each.text)

 # 发布时间
 dates=[]
 targets = soup.find_all("a", class_='time fl')
 for each in targets:
 each = each.text.split(':')[1]
 dates.append(each)

 # 插入sql 语句
 sql = """insert into blogs (blog_title,read_number,comment_number, collect, dates)
 values( '%s', '%s', '%s', '%s', '%s');"""
 # 替换页面 xa0
 for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):
 reads = re.sub('s', '', reads)
 reads=int(re.sub('D', "", reads)) #匹配数字,转换为整型
 comment = re.sub('s', '', comment)
 comment = int(re.sub('D', "", comment)) #匹配数字,转换为整型
 collects = re.sub('s', '', collects)
 collects = int(re.sub('D', "", collects)) #匹配数字,转换为整型
 dates = re.sub('s', '', dates)
 cursor.execute(sql % (titles, reads, comment, collects,dates))
 db.commit()
 pass

# 统计总页数
def find_depth(res):
 soup = bs4.BeautifulSoup(res.text, 'html.parser')
 depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text
 return int(depth)

# 主函数
def main():
 host = "https://blog.51cto.com/13760351"
 res = open_url(host) # 打开首页链接
 depth = find_depth(res) # 获取总页数

 # 爬取其他页面信息
 for i in range(1, depth + 1):
 url = host + '/p' + str(i) # 完整链接
 res = open_url(url) # 打开其他链接
 find_text(res) # 爬取数据

 # 关闭游标
 cursor.close()
 # 关闭数据库连接
 db.close()

#主程序入口
if __name__ == '__main__':
 main()

2.创建对应表

CREATE TABLE `blogs` (
 `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
 `blog_title` varchar(52) DEFAULT NULL COMMENT '博客标题',
 `read_number` int(26) DEFAULT NULL COMMENT '阅读数量',
 `comment_number` int(16) DEFAULT NULL COMMENT '评论数量',
 `collect` int(16) DEFAULT NULL COMMENT '收藏数量',
 `dates` varchar(16) DEFAULT NULL COMMENT '发布日期',
 PRIMARY KEY (`row_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

3.运行代码,验证

升级版

为了能让小白就可以使用这个程序,可以把这个项目打包成exe格式的文件,让其他人,使用电脑就可以运行代码,这样非常方便!

1.改进代码:

#末尾修改为:
if __name__ == '__main__':
 main()
 print("
		所有数据已成功存放数据库!!! 
")
 time.sleep(5)

2.安装打包模块pyinstaller(cmd安装)

pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.Python代码打包

1.切换到需要打包代码的路径下面

2.在cmd窗口运行 pyinstaller -F test03.py (test03为项目名称)

4.查看exe包

在打包后会出现dist目录,打好包就在这个目录里面

5.运行exe包,查看效果

检查数据库

相关学习推荐:mysql教程

热心网友 时间:2022-04-06 05:30

python爬取到的json数据怎么存入到MySQL数据库中
json的数据json.loads进来以后会变成一个json的对象,你需要自己把python对象中的字段值取出来,拼成sql语句
声明声明:本网页内容为用户发布,旨在传播知识,不代表本网认同其观点,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:11247931@qq.com
Linux系统安装FTP服务器 Linux系统的网络文件共享 建筑的七盏明灯的内容简介 面向对象设计七大原则 简单说 交互设计七大定律 交互设计的“根”——七大定律 交互设计原则和理论2——七大定律 七大设计原则 附近的加油站有哪些 附近的加油站有哪些地方 python爬虫爬下来的数据怎么导入到MySQL php 怎样删除文件夹下的文件 php:只会读写文件内容,如何删除文件内容呢?求提供个思路 php上传文件前判断是否存在该文件就删除 php 关于上传后的临时文件如何删除的问题 php 上传的 tmp/ 目录下有很多.tmp 文件可以删除吗? PHP如何删除类似文件 php怎么删除被选中的文件?以及上传文件后显示其大小 php怎么删除文件或者删除文件夹 php如何删除文件夹及里面的文件? php怎么取消正在上传的文件? PHP如何删除文件或文件夹 时间格式“11:57 星期四,九月 8 2016”如何转换为时间戳php strtotime(); 如何采用PHP输出本周日期及相应的星期,以及上周的日期和相应星期表格啊? 怎么在thinkphp中url去掉控制器与index.php 如何隐藏url中的文件扩展名? 如何让url不会出现index.php 包括手动输入 怎么去掉织梦tag列表页url中的.php? PHP如何去掉url里的.php后缀 thinkphp的url兼容模式下怎么隐藏index.php 如何将python存入mysql 请大神帮忙:用python如何从外部文件提取特定的字符串,并作为一个字段存入mysql中 python 爬虫怎么处理爬取数据中含有单引号,并将其存入数据库 Python爬取信息读写数据库问题 如何绕开网站防护抓取数据 如何分析服务器的反爬虫机制 有哪些方法可以反爬虫? 反反爬虫技术的常用方法 设计师要懂的10个心理学技巧,你掌握了几个? 怎么用隐喻设计引导用户 求犯罪心理学测试题,越难越好,还要有答案。谢了~~ 有没有2018江西教师招聘幼儿教综试题答案解析(文字版)? 求,小学教师资格认定培训考试心理学试题(浙江省),历年考试真题答案 大学心理学考试试题及答案! 教师资格证考试——高等教育心理学试题6 教育心理学1,组织策略的常用方法有哪些 寻-自考设计心理学试题 心理学启发式的问题解决策略有哪些 教师招聘常考的15个心理学效应? python列表中依次插入不同元素