测试积点老人 发表于 2018-11-29 14:05:48

Pyspider实例之抓取数据并保存到MySQL数据库

1、在Pyspider的脚本开头引入:
from pyspider.database.mysql.mysqldb import SQL
2、重写on_result方法:
def on_result(self,result):
      if not result or not result['original_id']:
            return
      sql = SQL()
      sql.insert('t_dream_xm_project',**result)

3、编写数据库脚本(放入/usr/lib/python2.7/site-packages/pyspider/database/mysql/下):
#!/usr/bin/env python
# -*- encoding: utf-8 -*-
from six import itervalues
import MySQLdb

class SQL():
    #数据库初始化
    def __init__(self):
      #数据库连接相关信息
      hosts    = '数据库地址'
      username = '数据库用户名'
      password = '数据库密码'
      database = '数据库名'
      charsets = 'utf8'

      self.connection = False
      try:
            self.conn = MySQLdb.connect(host = hosts,user = username,passwd = password,db = database,charset = charsets)
            self.cursor = self.conn.cursor()
            self.cursor.execute("set names "+charsets)
            self.connection = True
      except Exception,e:
            print "Cannot Connect To Mysql!/n",e

    def escape(self,string):
      return '%s' % string
    #插入数据到数据库   
    def insert(self,tablename=None,**values):

      if self.connection:
            tablename = self.escape(tablename)
            if values:
                _keys = ",".join(self.escape(k) for k in values)
                _values = ",".join(['%s',]*len(values))
                sql_query = "insert into %s (%s) values (%s)" % (tablename,_keys,_values)
            else:
                sql_query = "replace into %s default values" % tablename
            try:
                if values:
                  self.cursor.execute(sql_query,list(itervalues(values)))
                else:      
                  self.cursor.execute(sql_query)
                self.conn.commit()
                return True
            except Exception,e:
                print "An Error Occured: ",e
                return False说明:这里使用的是MySQLdb驱动

4、数据库新建数据库以及对应的表,表的字段名称和Pyspider脚本中detail_page方法中return返回的字段名称对应。
OK,完成这项步骤就可以启动服务器进行测试了。
完整的Pyspider脚本:
#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2017-07-14 10:36:36
# Project: xiaomi

from pyspider.libs.base_handler import *
from pyspider.database.mysql.mysqldb import SQL
import urllib
import time
import json

class Handler(BaseHandler):
    #配置通用的请求属性
    crawl_config = {
      'headers' : {'Connection':'keep-alive','Accept-Encoding':'gzip, deflate, br','Accept-Language':'zh-CN,zh;q=0.8','content-type':'application/x-www-form-urlencoded','Referer':'//home.mi.com/crowdfundinglist?id=78&title=%E4%BC%97%E7%AD%B9','User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'}
    }

    @every(minutes=24 * 60)
    def on_start(self):
      #获取所有的产品详细产品地址
      param = 'data=%7B%22HomeList%22%3A%7B%22model%22%3A%22Homepage%22%2C%22action%22%3A%22BuildHome%22%2C%22parameters%22%3A%7B%22id%22%3A12%7D%7D%7D'
      self.crawl('https://home.mi.com/app/shopv3/pipe',method="GET",params=param,callback=self.index_page)


    @config(age=60 * 60)
    def index_page(self, response):
      #获取单个产品的详细信息
      for each in response.json['result']['HomeList']['data']:
            gid = each['gid']
            detailparm = "{\"detail\":{\"model\":\"Shopv2\",\"action\":\"getDetail\",\"parameters\":{\"gid\":\"%s\"}},\"comment\":{\"model\":\"Comment\",\"action\":\"getList\",\"parameters\":{\"goods_id\":\"%s\",\"orderby\":\"1\",\"pageindex\":\"0\",\"pagesize\":3}},\"activity\":{\"model\":\"Activity\",\"action\":\"getAct\",\"parameters\":{\"gid\":\"%s\"}}}" % (gid,gid,gid)
            detailreq = urllib.quote(detailparm)
            detailreq = "data=" + detailreq
            detailurl = "https://home.mi.com/app/shop/pipe?gid=%s" % gid
            #print detailurl
            self.crawl(detailurl,method='POST',data=detailreq ,callback=self.detail_page)

    @config(priority=2)
    def detail_page(self, response):
      #转换成Json格式的字符串
      resultjsonstr = json.dumps(response.json)
      result = json.loads(resultjsonstr)['result']['detail']['data']['good']
      #将返回的结果保存到文件
      resultfile = open("/tmp/xiaomi/%s.txt" % result['gid'].encode('utf-8'),'w')
      resultfile.write(resultjsonstr)
      resultfile.close()
      #将返回的结果保存到MySQL数据库
      return {
            "original_id": result['gid'].encode('utf-8'),
            "project_name": result['name'].encode('utf-8'),
            "project_desc": result['summary'].encode('utf-8'),
            "curr_money":result['saled'].encode('utf-8'),
            "begin_date":time.strftime("%Y-%m-%d %H:%M:%S",time.localtime(float(result['ctime'].encode('utf-8'))))
      }

    def on_result(self,result):
      if not result or not result['original_id']:
            return
      sql = SQL()
      sql.insert('t_dream_xm_project',**result)

页: [1]
查看完整版本: Pyspider实例之抓取数据并保存到MySQL数据库