首页 > 数据库 >python学习——爬取数据到mysql

python学习——爬取数据到mysql

时间:2022-10-16 22:45:24浏览次数:59  
标签:item python 爬取 re mysql datalist data findall append

承接上文,上次把数据爬取到了excel中,这次在上次代码的基础上进行修改,将数据直接上传到mysql中

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
import urllib.request, urllib.error
import pymysql # mysql数据导入需要的包
import re

# 影片链接
findlink = re.compile(r'<a href="(.*?)">')  # 创建正则表达式对象,表示规则
# 影片图片链接
findImgSrc = re.compile(r'<img.*src="(.*?)"', re.S)  # re.S使换行符包含在字符中
# 片名
findTitle = re.compile(r'<span class="title">(.*?)</span>')
# 影片评分
findRate = re.compile(r'<span class="rating_num" property="v:average">(.*?)</span>')
# 评价人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
# 概况
findIng = re.compile(r'<span class="inq">(.*)</span>')
# 找到影片内容
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)


db = pymysql.connect(host='localhost',
                     user='root',
                     password='jia237106-',
                     db='db2',
                     charset='utf8')
cursor = db.cursor()

def askUrl(url):
    # 模拟浏览器头部
    head = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36"}
    request = urllib.request.Request(url, headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
    except urllib.error.URLError as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html


def getData(baseurl):
    datalist = []

    for i in range(0, 10):
        url = baseurl + str(i * 25)
        html = askUrl(url)

        # 逐一解析数据
        soup = BeautifulSoup(html, "html.parser")
        for item in soup.find_all('div', class_="item"):  # 查找符合要求的字符串
            data = []  # 保存一部电影所有信息,列表
            item = str(item)
            # 影片链接
            link = re.findall(findlink, item)[0]  # re库通过正则表达式查找指定字符串
            data.append(link)
            imgSrc = re.findall(findImgSrc, item)[0]
            data.append(imgSrc)
            titles = re.findall(findTitle, item)  # 片名可能只有一个中文名
            if (len(titles) == 2):
                ctitle = titles[0]
                data.append(ctitle)
                ftitle = titles[1].replace("/", "")
                data.append(ftitle)
            else:
                data.append(titles[0])
                data.append(' ')  # 外文名留空

            rate = re.findall(findRate, item)[0]
            data.append(rate)

            judge = re.findall(findJudge, item)[0]
            data.append(judge)

            ing = re.findall(findIng, item)
            if (len(ing) != 0):
                ing = ing[0].replace("。", "")
                data.append(ing)
            else:
                data.append(' ')

            bd = re.findall(findBd, item)[0]
            bd = re.sub('<br(\s+)?/>(\s+)?', " ", bd)  # 去掉<br/>
            bd = re.sub('/', " ", bd)
            data.append(bd.strip())  # 去掉空格
            datalist.append(data)
    return datalist

def saveDB(datalist):
    for i in range(0, 250):
        data = datalist[i]
# sql语句尽量用三引号,获取数据的方式不变 sql = '''insert into movie values(%s,%s,%s,%s,%s,%s,%s,%s)''' cursor.execute(sql, data) db.commit() if __name__ == '__main__': url = "https://movie.douban.com/top250?start=" datalist = getData(url) saveDB(datalist)

效果

 

标签:item,python,爬取,re,mysql,datalist,data,findall,append
From: https://www.cnblogs.com/jzz-111jy/p/16797486.html

相关文章

  • mysql 数据从5.6版迁移到5.7以后版的数据(包括8.0) 提示sql_mode=only_full_group_by
    SQLSTATE[42000]:Syntaxerrororaccessviolation:1055Expression#1ofSELECTlistisnotinGROUPBYclauseandcontainsnonaggregatedcolumn'sid.xid'which......
  • 65、记录使用科大讯飞的声纹识别从官方的Python Demo转C++ Demo路程
    基本思想:需要将声纹识别的demo集成到项目中,奈何官方只提供了py版本和java版本,需要c++版本,逐开发和记录一下,只是简单复现其py代码一、官方代码的和手册的地址 这里将py代码......
  • 【Python】Centos7安装Python3和pip
    安装Python3#wgethttps://www.python.org/ftp/python/3.6.2/Python-3.6.2.tar.xz#tar-xvJfPython-3.6.2.tar.xz#cdPython-3.6.2#./configure--prefix=/data......
  • python第三周总结
    每周总结文件操作1.文件概念与打开方式1.文件的概念就是操作系统暴露给用户操作硬盘的快捷方式eg:双击一个文件其实是从硬盘将数据加载到内存ctrl......
  • python 包
    1.python包init.py其实是一个特殊的文件,只要这个文件存在这个文件夹里,那么这个文件夹就是python包,如果没有__init__.py,那这个文件夹就只是文件夹。创建包的步骤:2.导......
  • python新类似乎违背了广度优先的执行顺序, 对象自定义计数实例化的多少
    classTSSS():deff1(self):print('fromTSSS')classSSS(TSSS):deff1(self):print('fromSSS')classSS():deff1(self):......
  • Python函数
    5.1函数相关基础概念5.1.1函数是什么函数是指一段可以直接被另一段程序或代码引用的程序或代码。也叫做子程序、(OOP中)方法。一个较大的程序一般应分为若干个程序块,每......
  • 爬虫实例——爬取豆瓣网 top250 电影的信息
    本节通过一个具体的实例来看下编写爬虫的具体过程。以爬取豆瓣网top250电影的信息为例,top250电影的网址为:​​https://movie.douban.com/top250​​​。在浏览器的地址栏......
  • python练习之双人对战
    1目的    为了巩固自己近期学习的python知识,所以写了一个demo加深我对python的理解2demo需求    模拟两个人互相对战的过程,其中两个人初始血量为100,都可以可......
  • python自学之路
    我为什么会选择学习这门语言,因为刚开始接触这门语言的时候看这门语言比较接地气,而且那段时间也比较火,这些都是次要的,因为自己对python的好奇起源于他的爬虫技术,就好奇就开......