接着之前的文章http://blog.csdn.net/androidworkor/article/details/51176387 来说说如何把抓到的数据写入数据库。
1. 编写爬虫脚本
还是以爬糗事百科为例，编写脚本，保存在 Hello/spiders 目录下的 spider_qiushibaike.py 文件中
# -*- coding: utf-8 -*-
import scrapy
from Hello.items import HelloItem
class Spider_qiushibaike(scrapy.Spider):
name = "qiubai"
start_urls = [
'http://www.qiushibaike.com'
]
def parse(self, response):
for item in response.xpath('//div[@id="content-left"]/div[@class="article block untagged mb15"]'):
qiubai = HelloItem()
icon = item.xpath('./div[@class="author clearfix"]/a[1]/img/@src').extract()
if icon:
icon = icon[0]
qiubai['userIcon'] = icon
userName = item.xpath('./div[@class="author clearfix"]/a[2]/h2/text()').extract()
if userName:
userName = userName[0]
qiubai['userName'] = userName
content = item.xpath('./div[@class="content"]/descendant::text()').extract()
if content:
con = ''
for str in content:
con += str
qiubai['content'] = con
like = item.xpath('./div[@class="stats"]/span[@class="stats-vote"]/i/text()').extract()
if like:
like = like[0]
qiubai['like'] = like
comment = item.xpath('./div[@class="stats"]/span[@class="stats-comments"]/a/i/text()').extract()
if comment:
comment = comment[0]
qiubai['comment'] = comment
yield qiubai
2. 创建数据库
2.1 创建数据库
我使用的是SQLyog这个软件。打开SQLyog，填写保/存的连接、MySQL Host Address、用户名、密码如下所示：
准确填写之后，点击连接进入数据库界面，如下图所示：
鼠标右键点击红色框框圈起来的区域，选择创建数据库，如下图所示：
这样数据库就创建好了。
2.2 创建表
选中刚创建好的数据库，点击鼠标右键，选择创建表，如下如所示：
出现一个界面，如下图所示：
填好表名称、字段、类型等等。这样表也建好了。其中表的结构一定要跟之前定义好的items.py个数和类型要保存一致
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class HelloItem(scrapy.Item):
# define the fields for your item here like:
userIcon = scrapy.Field()
userName = scrapy.Field()
content = scrapy.Field()
like = scrapy.Field()
comment = scrapy.Field()
3. 编写pipelines.py文件
编写pipelines文件，其文件目录机构是这样的：
其中代码如下：
# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import pymysql
def dbHandle():
conn = pymysql.connect(
host='localhost',
user='root',
passwd='root',
charset='utf8',
use_unicode=False
)
return conn
class HelloPipeline(object):
def process_item(self, item, spider):
dbObject = dbHandle()
cursor = dbObject.cursor()
sql = 'insert into joke.t_baike(userIcon,userName,content,likes,comment) values (%s,%s,%s,%s,%s)'
try:
cursor.execute(sql,(item['userIcon'],item['userName'],item['content'],item['like'],item['comment']))
dbObject.commit()
except Exception,e:
print e
dbObject.rollback()
return item
4. 配置使pipelines.py生效
打开settings.py文件，添加一行代码
ITEM_PIPELINES = {
'Hello.pipelines.HelloPipeline': 300,
}
这样就可以了。完整的如下图所示：
5. 运行
所有的准备工作都做好了，现在就是见证奇迹的时候了。
打开命令行执行
scrapy crawl qiubai
这时候你大概可以看到类似的日志，如下图所示：
好了到这里差不多，在来看看数据库中是否插入成功。
数据库插入成功，在看下数据是否抓取正确，打开qiushibaike.com，比对下
好了，大功告成了。
容我打个广告：
如果你不了解环境是怎么搭建的可以查看这篇文章：http://blog.csdn.net/androidworkor/article/details/51171098
如果你对scrapy的基本用法不熟悉你可以看这篇文章:http://blog.csdn.net/androidworkor/article/details/51176387
好了，有什么问题，请留言。