python异步存储数据详解
在Python中,数据存储方式分为同步存储和异步存储。同步写入速度比较慢,而爬虫速度比较快,有可能导致数据保存不完整,一部分数据没有入库。而异步可以将爬虫和写入数据库操作分开执行,互不影响,所以写入速度比较快,能够保证数据的完整性。
异步存储数据库大致看分为以下步骤:
1.在settings中配置Mysql链接需要的参数(主机地址、用户账号、密码、需要操作的表名、编码格式等)
2.自定义Pipeline,实现from_settings函数
3.fromtwisted.enterpriseimportadbapi引入连接池模块
4.frompymysqlimportcursors引入游标模块
5.在from_settings中,准备链接数据库参数,创建db_pool连接池,创建返回当前类的对象,传入db_pool
6.实现初始化函数,在初始化函数中,将db_pool赋值self的属性
7.实现process_item函数
7.1 query=self.db_pool.runInteraction(执行插入数据操作的函数对象,函数需要参数),并接受执行返回结果
7.2 query.addErrback(错误回调函数,函数需要参数),添加执行sql失败回调的函数,在回调函数中对错误数据进一步处理
8.实现插入数据操作的函数,准备sql,执行sql
9.实现错误回调函数,在回调函数中对错误数据进一步处理
下面,我们以天堂图片网为例,大致熟悉一下异步存储:
1.在存储之前,可以选择手动创建数据库(表名、字段名、字段类型等自己定义),也可以选择代码创建。
2.存储数据之前还得先拿到数据
importscrapy from..itemsimportImgItem classIvskySpider(scrapy.Spider): name='ivsky' allowed_domains=['ivsky.com'] start_urls=['http://www.ivsky.com/tupian/ziranfengguang/'] defparse(self,response): imgs=response.xpath('//div[@class="il_img"]/a/img') forimginimgs: alt=img.xpath('@alt').extract_first('') src=img.xpath('@src').extract_first('') item=ImgItem() item['alt']=alt item['src']=src yielditem
3.自定义item,并把数据传进去
importscrapy classIvskySpiderItem(scrapy.Item): #definethefieldsforyouritemherelike: #name=scrapy.Field() pass classImgItem(scrapy.Item): alt=scrapy.Field() src=scrapy.Field()
4.接下来就是settings中的配置,代码如下(robots协议记得改为False):
MYSQL_HOST='127.0.0.1' MYSQL_USER='root' MYSQL_PW='123456' MYSQL_DB='ivskydb' MYSQL_CHARSET='utf8'
5.再然后自定义pipeline,并把该pipeline在settings中配置(设置优先级):
fromtwisted.enterpriseimportadbapi frompymysqlimportcursors classTwistedMysqlPipeline(object): #在调用TwistedMysqlPipeline时,第一个调用该函数 @classmethod deffrom_settings(cls,settings): #准备需要用到的链接mysql的参数 db_prams=dict( host=settings['MYSQL_HOST'], user=settings['MYSQL_USER'], password=settings['MYSQL_PW'], db=settings['MYSQL_DB'], port=3306, use_unicode=True, charset=settings['MYSQL_CHARSET'], #指定使用的游标类型 cursorclass=cursors.DictCursor ) #创建连接池对象,需要传入两个参数 #1.使用操作mysql第三方包名 #2.连接数据库需要的参数 db_pool=adbapi.ConnectionPool('pymysql',**db_prams) returncls(db_pool) def__init__(self,db_pool): #将连接池对象赋值self.db_pool属性 self.db_pool=db_pool defprocess_item(self,item,spider): #准备sql #执行sql #执行一个将item数据写入数据库的动作 #1.执行操作的函数 #2.执行函数需要的参数.... query=self.db_pool.runInteraction(self.insert_item,item) #执行sql出现异常错误时,回调的函数 query.addErrback(self.handle_error,item,spider) returnitem #插入数据出现错误时,回调的函数 defhandle_error(self,failure,item,spider): print(failure) print(item) #执行插入数据的函数 definsert_item(self,cursor,item): #创建sql sql="INSERTINTOivs(alt,src)VALUES(%s,%s)" #执行sql cursor.execute(sql,(item['alt'],item['src']))
6.pipeline在settings中的配置
ITEM_PIPELINES={ #'ivsky_spider.pipelines.MysqlPipeline':300, 'ivsky_spider.pipelines.TwistedMysqlPipeline':300, }
代码到这里就结束了。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。