scrapy框架爬取数据并写入数据库

写入两个数据库，如果需要一个，按照其中一个执行就可以：
①、MongoDB
②、Mysql

一、创建数据库

1、使用虚拟机安装centos7，并安装docker（百度有教程）
2、docker修改下载源（不改也行，改了下载速度更快）
3、docker下载mongo与Mysql镜像文件

docker pull mongo  #下载mongo镜像文件
docker pull mysql   #下载mysql镜像文件

3、启动镜像文件

#启动mongo数据库
docker run -d --name mongo -p 27017:27017 -v /home/docker/mongo.27017/datadb:/data/db -v /home/docker/mongo.27017/dataconfigdb:/data/dataconfigdb mongo

#启动Mysql数据库  
docker run --name mysql -p 3306:3306 -e MYSQL_ROOT_PASSWORD='设置密码' -d mysql:latest  #初始账户为root

启动mongo

注释：
run:启动镜像；-d: 后台启动方式；-name:自定义名称；-p :映射端口（本机未占用的端口号）；-v :挂载数据目录和配置目录； mongo:3.6.9 :启动的镜像版本

启动mysql

4、进入运行容器

docker  exec -it  容器名  bash  #mongo或mysql（自己刚刚定义的启动容器名）

5、创建用户

MongoDB：

mongo   #进入mongoshell 

进入mongo数据库

创建用户

db.createUser({user:"admin", pwd:"0000", roles:["root"]}); #创建admin账户

Mysql

#输入运行账户
mysql -uroot -p -h localhost
#弹出来Enter password:   输入密码：(运行镜像时创建的)

成功运行Mysql

6、使用可视化工具连接数据库，验证创建成功
使用navicat连接数据库地址，验证是够可正确连接。

二、下载依赖包

打开CMD，执行以下命令

pip install pymongo    #mongo依赖包
pip install pymysql     #mysql依赖包

三、修改爬虫项目下pipelines.py文件

MongoDB：

惰性插入，有数据才会生成集合，插入数据方式.

import pymongo

from pymongo import MongoClient
 

class Pachong7Pipeline(object):
    def open_spider(self, spider):
        #连接MongoDB数据库
        self.db = MongoClient('mongodb://数据库地址:27017/')
        self.collection = self.db.创建表名
    def process_item(self, item, spider):
        #转化成字典并写入数据
        self.collection.表名.insert_one(dict(item))

Mysql：

注意：Mysql和mongo不同，要在插入数据之前，事先创建好数据库及表

import pymysql

class Pachong7Pipeline(object):
    def open_spider(self, spider):
        self.conn = pymysql.connect(host='数据库地址',user='账号',passwd='密码',db='库名')  #连接数据库
    def process_item(self, item, spider):
        #添加数据到chengjiao表中
        self.conn.query(
        "insert chengjiao(apartment,price,huxing,junjia)"  #需要插入的字段
        "values('{}','{}','{}','{}')".format(
        item['apartment'],item['price'],item['huxing'],item['junjia']  #爬取项目中定义的字段
        ))
        self.conn.commit()#执行添加
    def close_spider(self, spider):
        self.conn.close()  #关闭连接
        yield item
        

最后别忘了在settings中启用pipeline

settings已经自动生成了，直接去掉注释就好了

ITEM_PIPELINES = {
    'pachong7.pipelines.Pachong7Pipeline': 300,   
}