将数据保存到MySQL的两种方式

我们在爬取数据的时候难免涉及到将数据保存到MySQL数据库中，一般将数据保存到MySQL中有两种方式，同步和异步。

同步模式

同步模式是采用SQL语句，将数据插入到数据库中。但是要注意的是Scrapy的解析速度要远大于MySQL的入库速度，当有大量解析的时候，MySQL的入库就可能会阻塞。

代码部分：(代码为慕课网异步爬虫实战内容)

import MySQLdb

class MysqlPipeline(object):
    def __init__(self):
        self.conn = MySQLdb.connect('127.0.0.1','root','root','article_spider',charset="utf8",use_unicode=True)
        self.cursor = self.conn.cursor()

    def process_item(self, item, spider):
        insert_sql = """
            insert into jobbole_article(title,create_date,url,url_object_id) VALUES (%s,%s,%s,%s)
        """
        self.cursor.execute(insert_sql,(item["title"],item["create_date"],item["url"],item["url_object_id"]))
        self.conn.commit()

异步模式

采用同步模式可能会产生阻塞，我们可以使用Twisted将MySQL的入库和解析变成异步操作，而不是简单的execute，commit同步操作。

关于MySQL的配置，我们可以直接在配置文件配置数据库：

MYSQL_HOST = "127.0.0.1"
MYSQL_DBNAME = "article_spider"
MYSQL_USER = "root"
MYSQL_PASSWORD = "root"

在settings中的配置，我们通过在pipeline中定义from_settings获取settings对象，可以直接获取settings配置文件中的值。

使用Twisted提供的异步容器连接MySQL：

import MySQLdb
import MySQLdb.cursors
from twisted.enterprise import adbapi

使用adbapi可以使mysqldb的一些操作变成异步化的操作
使用cursors进行sql语句的执行和提交

代码部分：

class MysqlTwistedPipline(object):
    def __init__(self,dbpool):
        self.dbpool = dbpool

    @classmethod
    def from_settings(cls,settings):
        dbparms = dict(
            host = settings["MYSQL_HOST"],
            db   = settings["MYSQL_DBNAME"],
            user = settings["MYSQL_USER"],
            passwd = settings["MYSQL_PASSWORD"],
            charset = 'utf8',
            cursorclass = MySQLdb.cursors.DictCursor,
            use_unicode=True,
        )
        dbpool = adbapi.ConnectionPool("MySQLdb",**dbparms)

        return cls(dbpool)

    def process_item(self, item, spider):
        #使用Twisted将mysql插入变成异步执行
        #runInteraction可以将传入的函数变成异步的
        query = self.dbpool.runInteraction(self.do_insert,item)
        #处理异常
        query.addErrback(self.handle_error,item,spider)

    def handle_error(self,failure,item,spider):
        #处理异步插入的异常
        print(failure)


    def do_insert(self,cursor,item):
        #会从dbpool取出cursor
        #执行具体的插入
        insert_sql = """
                    insert into jobbole_article(title,create_date,url,url_object_id) VALUES (%s,%s,%s,%s)
                """
        cursor.execute(insert_sql, (item["title"], item["create_date"], item["url"], item["url_object_id"]))
       #拿传进的cursor进行执行，并且自动完成commit操作

以上代码部分，除了do_insert之外，其它均可复用。

关于将数据保存到MySQL数据库，除了使用原生SQL语句外，还可以使用django的ORM机制。关于这个，以后有时间研究研究，有兴趣的可以点击连接：https://github.com/scrapy-plugins/scrapy-djangoitem