Python scrapy爬虫数据保存到MySQL数据库

除将爬取到的信息写入文件中之外，程序也可通过修改 Pipeline 文件将数据保存到数据库中。为了使用数据库来保存爬取到的信息，在 MySQL 的 python 数据库中执行如下 SQL 语句来创建 job_inf 数据表：

CREATE TABLE job inf (

  id INT (11) NOT NULL AUTO_INCREMENT PRIMARY KEY,

  title VARCHAR (255),

  salary VARCHAR (255),

  company VARCHAR (255),

  url VARCHAR(500),

  work_addr VARCHAR (255),

  industry VARCHAR (255),

  company_size VARCHAR(255),

  recruiter VARCHAR(255),

  publish_date VARCHAR (255)

)

　然后将 Pipeline 文件改为如下形式，即可将爬取到的信息保存到 MySQL 数据库中：

# 导入访问MySQL的模块

import mysql.connector

class ZhipinspiderPipeline(object):

    # 定义构造器，初始化要写入的文件

    def __init__(self):

        self.conn = mysql.connector.connect(user='root', password='32147',

            host='localhost', port='3306',

            database='python', use_unicode=True)

        self.cur = self.conn.cursor()

    # 重写close_spider回调方法，用于关闭数据库资源

    def close_spider(self, spider):

        print('----------关闭数据库资源-----------')

        # 关闭游标

        self.cur.close()

        # 关闭连接

        self.conn.close()

    def process_item(self, item, spider):

        self.cur.execute("INSERT INTO job_inf VALUES(null, %s, %s, %s, %s, %s, \

            %s, %s, %s, %s)", (item['title'], item['salary'], item['company'],

            item['url'], item['work_addr'], item['industry'],

            item.get('company_size'), item['recruiter'], item['publish_date']))

        self.conn.commit()

　　上面程序中第 19 行代码使用 execute() 方法将 item 对象中的信息插入数据库中。

程序为该 Pipeline 类定义了构造器，该构造器可用于初始化数据库连接、游标；程序还为该 Pipeline 类重写了 close_spider() 方法，该方法负责关闭构造器中初始化的数据库资源。

使用 scrapy crawl job_position 命令启动爬虫，当程序运行结束之后，将会在 python 数据库的 job_inf 表中看到多了 300 条招聘信息。

巴特西

Python scrapy爬虫数据保存到MySQL数据库

最新文章

热门文章