python - 在scrapy中使用mysql插入数据

标签 python twisted scrapy

这是我的demo,我认为没有错误但是这段代码不能向mysql插入数据!?

设置.py

这是设置代码:

BOT_NAME = 'Scan'
SPIDER_MODULES = ['scan.spiders']
#NEWSPIDER_MODULE = 'scan.spiders'
ITEM_PIPELINES = ['scan.pipelines.MySQLStorePipeline']

这是管道代码,我认为它没有错误:

管道.py

from scrapy import log
from twisted.enterprise import adbapi
from scrapy.http import Request
from scrapy.exceptions import DropItem
from scrapy.contrib.pipeline.images import ImagesPipeline
import datetime
import MySQLdb
import MySQLdb.cursors


class MySQLStorePipeline(object):

    def __init__(self):
        self.db = adbapi.ConnectionPool('MySQLdb',
            db = 'spider',
            host='localhost',
            user = 'root',
            passwd = '123456',
            cursorclass = MySQLdb.cursors.DictCursor,
            charset = 'utf8',
            use_unicode = True
        )

    def process_item(self, item, spider):
        query = self.db.runInteraction(self._conditional_insert, item)
        query.addErrback(self.handle_error)
        return item

    def _conditional_insert(self, tx, item):
        if item.get('url'):
            tx.execute(\
                "insert into spider (url) "
                "values (%s)",(item['link'])
            )
            #log.msg("Item stored in db: %s" % item, level=log.DEBUG)
    def handle_error(self, e):
        log.err(e)

这是蜘蛛模块,我认为它没有错误!

蜘蛛.py

# coding=utf-8
from urlparse import urljoin
import simplejson

from scrapy.http import Request
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.selector import HtmlXPathSelector

from scan.items import ScanItem

class ScanSpider(CrawlSpider):
    name = 'Scan'
    allowed_domains = ["a.com"]
    start_urls = [
        "http://www.a.com",
    ]
    rules = (
        Rule(SgmlLinkExtractor(allow=(r'http://(.*?)'),deny_domains=(r'qq.com'))
        ),
        Rule(SgmlLinkExtractor(allow=(r'http://www.a.com')), callback="parse_item"),
        )

    def parse_item(self, response):
        hxs = HtmlXPathSelector(response)
        item = ScanItem()
        items = []
        #item['title'] = hxs.select('//title/text()').extract()
        item['url'] = hxs.select('//a[@href]').re('(\"http://(.*?)\")').extract()
        items.append(item)
        return items
SPIDER = ScanSpider()

最佳答案

你真的需要读出来http://doc.scrapy.org ,您缺少非常基础的东西。

def parse_item(self, response):
    hxs = HtmlXPathSelector(response)
    item = ScanItem()
    items = []
    #item['title'] = hxs.select('//title/text()').extract()
    item['url'] = hxs.select('//a[@href]').re('(\"http://(.*?)\")').extract()
    items.append(item)
    return items

在你的 parse_items 中不需要在列表的项目中添加项目你可以简单地返回 item 就像

    def parse_item(self, response):
       hxs = HtmlXPathSelector(response)
       item = ScanItem()
       #item['title'] = hxs.select('//title/text()').extract()
       item['url'] = hxs.select('//a[@href]').re('(\"http://(.*?)\")').extract()
       return item

记住 item['url'] 有一个 urls 的列表

在你的 MySQLStorePipeline

def _conditional_insert(self, tx, item):
    if item.get('url'):
        tx.execute(\
            "insert into spider (url) "
            "values (%s)",(item['link'])
        )

你试图在数据库中插入 item['link'] 而你从未填充 item['link'] 而只是 item['url' ]

关于python - 在scrapy中使用mysql插入数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13952731/

相关文章:

python - 在 matplotlib 中的正方形绘图区域上绘制对数线性图

Python - Tkinter 我的条目不显示

python - 安装scrapy时出现gcc失败错误

python - 一起使用 django 和 scrapy

python - 如何添加Python列表的所有元素

python - 如何接受多个元素的列表作为命令行参数?

python - 后台Twisted服务器的模式,该服务器填充了传入消息队列并清空了传出消息队列?

Python 扭曲了 Web 服务器缓存并执行过时的代码

Python - Twisted 和 PyAudio + 聊天

python - 导入错误 : cannot import name replace_entities error when using Scrapy