Python爬虫入门实战八：数据储存——MongoDB与MySQL

前面的文章里写的爬虫都是直接把爬取的数据打印出来。在实际的应用中，当然不能这么做，我们需要将数据存储起来。存储数据的方式有很多中，比如存储在文本文件中，或者是存储在数据库中。

为了使用数据的便捷性，我们选择将数据存储在数据库中。

数据库主流的两种类型为：SQL（关系型数据库）和NoSQL（非关系型数据库）

我们在此选用使用比较广泛的MySQL和MongoDB作为讲解

一、MySQL

1、安装MySQL

由于MySQL的安装文件比较大且配置稍微繁琐，个人推荐在普通环境下使用集成包，比如USBWebserver。

USBWebserver其实是一款傻瓜式本地电脑快速架设PHP网站环境的工具，它最大特色是纯绿色便携，可直接放在U盘里随处运行它集成了 Apache (httpd)、PHP、MySQL 以及 PHPMyAdmin 等组件，而我们使用它的MySQL即可。

打开程序之后，看到Mysql运行成功，就可以打开PHPMyAdmin

点击执行，进入控制页面

就可以在里面创建数据库，创建数据表了。

更多介绍及下载：http://www.iplaysoft.com/usbwebserver.html

2、安装pymysql

在Python中使用MySQL，有两种方式，使用ORM（对象关系映射）框架和数据库模块，在此我们使用数据库模块pymysql(Python3)。

安装pymysql：

pip install pymysql

3、在爬虫程序中使用mysql

我们以之前爬取今日头条的例子来扩展；

之前的代码是这样的：

# coding：utf-8

import requests

import json

url = 'http://www.toutiao.com/api/pc/focus/'

wbdata = requests.get(url).text

data = json.loads(wbdata)

news = data['data']['pc_feed_focus']

for n in news:    

  title = n['title']    

  img_url = n['image_url']    

  url = n['media_url']    

  print(url,title,img_url)

在最后，我们直接使用print将数据打印了出来。

现在我们使用pymysql将数据存储到Mysql中。

(创建数据库toutiao,创建数据表data)

修改的代码如下：

# coding：utf-8

import requests

import json

import pymysql

conn = pymysql.connect(host='localhost',port=3307,user='root',password='usbw',db='toutiao',charset='utf8')

cursor = conn.cursor()

url = 'http://www.toutiao.com/api/pc/focus/'

wbdata = requests.get(url).text

data = json.loads(wbdata)

news = data['data']['pc_feed_focus']

for n in news:

    title = n['title']

    img_url = n['image_url']

    url = n['media_url']

    print(url,title,img_url)

    cursor.execute("INSERT INTO data(title,img_url,url)VALUES('{0}','{1}','{2}');".format(title,img_url,url))

    conn.commit()

cursor.close()

conn.close()

最后，数据库中就已经存储了数据：

与之前的代码相比，有以下不同：

引入pymysql模块：

import pymysql

建立一个mysql的连接：

conn = pymysql.connect(host='localhost',port=3307,user='root',password='usbw',db='toutiao',charset='utf8')

创建一个游标cursor：

cursor = conn.cursor()

执行一个SQL语句：

cursor.execute("INSERT INTO data(title,img_url,url)VALUES('{0}','{1}','{2}');".format(title,img_url,url))

提交执行（因为对数据进行和修改，如果只是select，则不需要）：

conn.commit()

最后，关闭连接：

cursor.close()

conn.close()

嗯，将数据保存在MySQL就完成了，更多的MySQL和PyMySQL的用法，还请看文档

下面看看MongoDB

二、MongoDB

1、下载并安装MongoDB：

https://www.mongodb.com/download-center

2、运行mongodb:

进入安装好之后的mongo目录的bin目录，打开命令行窗口，输入“mongod –dbpath=数据存放路径”

3、安装pymongo:

pip install pymongo

4、使用MongoDB和PyMongo

依然是扩展爬取今日头条的例子，先上代码：

# coding：utf-8

import requests

import json

import pymongo

conn = pymongo.MongoClient(host='localhost',port=27017)

toutiao = conn['toutiao']

newsdata = toutiao['news']

url = 'http://www.toutiao.com/api/pc/focus/'

wbdata = requests.get(url).text

data = json.loads(wbdata)

news = data['data']['pc_feed_focus']

for n in news:

    title = n['title']

    img_url = n['image_url']

    url = n['media_url']

    data = {

        'title':title,

        'img_url':img_url,

        'url':url

    }

    newsdata.insert_one(data)

for i in newsdata.find():

    print(i)

存储数据到MongoDB并读取出来

Pymongo相关的代码为：

引入模块

import pymongo

连接到Mongo

conn = pymongo.MongoClient(host='localhost',port=27017)

选择或创建数据库

toutiao = conn['toutiao']

选择或创建数据集合

newsdata = toutiao['news']

插入一行数据：

newsdata.insert_one(data)

查询数据

newsdata.find()

如此，简单地对数据进行数据库存储就完成了。

文章来源博客：Z州的先生，连载。