Python网络数据采集之存储数据|第04天

发表于 | 分类于   |   全文共1.1k字   |   阅读时长4分钟

主要内容：

下载文件，存储数据；

MySQL的基本使用，发送邮件。

存储数据

网络数据的采集，最本质的东西还是数据，我们爬取的数据是需要存储的。

媒体文件

存储媒体文件有两种主要的方式:只获取文件 URL 链接，或者直接把源文件下载下来。

可以通过媒体文件所在的URL 链接直接引用它。这样做的优点如下:

  • 爬虫运行得更快，耗费的流量更少，因为只要链接，不需要下载文件;
  • 可以节省很多存储空间，因为只需要存储URL链接就可以;
  • 存储URL的代码更容易写，也不需要实现文件下载代码;
  • 不下载文件能够降低目标主机服务器的负载。

于此同时还会有一些缺点：

  • 网站防盗链的问题，会带来很多的麻烦；
  • 自主性较差，因为文件在别人的服务器上，可支配性差；
  • 链接可能是会变化的，失效的链接数增加。
  • ….

下载文件的方法也很简单，在Python 3.x 版本中,urllib.request.urlretrieve可以根据文件的 URL 下载文件;

例如我们从http://pythonscraping.com 下载 logo图片，然后在程序运行的文件夹里保存为 logo.jpg 文件。

1
2
3
4
5
6
7
8
from urllib.request import urlretrieve
from urllib.request import urlopen
from bs4 import BeautifulSoup

html = urlopen('http://www.pythonscraping.com')
bs = BeautifulSoup(html, 'html.parser')
imageLocation = bs.find('a', {'id': 'logo'}).find('img')['src']
urlretrieve (imageLocation, 'logo.jpg')

下载文件需要注意exe的文件，木马文件等。不要在硬盘存储敏感信息，不要用管理员权限运行他。

把数据存储到CSV

CSV(Comma-Separated Values，逗号分隔值)是存储表格数据的常用文件格式。关于CSV格式的文件不做过多的介绍，自行去了解一下。

Python的csv库可以创建或者修改CSV文件。

1
2
3
4
5
6
7
8
9
10
11
import csv 

csvFile = open("./demo.csv","我+")

try:
    writer = csv.writer(csvFile)
    writer.writerow(('number', 'number plus 2', 'number times 2'))
    for i in rang(10):
        writer.writerow((i,i+2,I*2))
finally:
    csvFile.close()

如果文件不存在就会创建demo.csv。

MySQL

MySQL是目前最受欢迎的开源关系型数据库管理系统。因为它受众广泛，免费，开箱即用，所以它也是网络数据采集项目中常用的数据库。

我采用的是Mac的平台，可以直接下载安装安装也可以通过包管理器(例如homebrew)安装。

官网下载地址：http://dev.mysql.com/downloads/mysql/

其他的平台可以去官网查看安装详情，作为一个改变世界的程序猿，安装软件应该不是问题。

基本命令

创建数据库:

1
CREATE DATABASE demo;

使用数据库：

1
USE demo;

创建表：

1
2
3
4
5
6
7
CREATE TABLE user(
    id BIGINT(7) NOT NULL AUTO_INCREMENT,
    name VARCHAR(10),
    sex tinyint(1),
    creatime TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY(id)
);

和数据库不同，MySQL 数据表必须至少有一列，否则不能创建。为了在 MySQL 里定义字段(数据列)，你必须在 CREATE TABLE <tablename> 语句后面，把字段的定义放进一个带括号的、内部由逗号分隔的列表。

插入数据：

1
INSERT INTO user (name, sex) VALUES ("name", "1");

查询数据：

1
SELECT * FROM user

模糊查询：

1
2

SELECT id FROM user LIKE "%chensenlin.cn%"

删除数据：

1
DELELT FROM user WHERE id = 1

更新数据：

1
UPDATE user SET name = 'chensenlin' WHERE id = 66

特别强调：更新或者删除一定要加条件！否则就说灾难，哈哈哈

与Python整合

Python没有内置的MySQL 支持工具。不过，有很多开源的库可以用来与 MySQL做交互，Python 2.x和Python 3.x版本都支持。最有名的一个库就是PyMySQL(https://github.com/PyMySQL/PyMySQL)。

安装：

1
pip install PyMySQL

基本使用：

1
2
3
4
5
6
7
8
import pymysql

conn = pymysql.connect(host='127.0.0.1', unix_socket='/tmp/mysql.sock',user='root', passwd=root, db='mysql')

cur.execute("USE demo")
cur.execute("SELECT * FROM user WHERE id = 1") print(cur.fetchone())
cur.close()
conn.close()

Email

Python发送一封邮件：

1
2
3
4
5
6
7
8
9
10
import smtplib
from email.mime.text import MIMEText

msg = MIMEText("邮件正文内容")
msg['Subject'] = "这是一个测试有奖主题"
msg['From'] = "[email protected]"
msg['To'] = "[email protected]"
s = smtplib.SMTP('localhost')
s.send_message(msg)
s.quit()

与网页通过HTTP协议传输一样，邮件是通过SMTP(Simple Mail Transfer Protocol，简单邮件传输协议)传输的。而且,和网络服务器的客户端(浏览器)处理那些通过 HTTP 协议传输的网页一样。

可以将其封装成函数作为发送邮件定时使用等。

0%