Python从0开始写爬虫——把扒到的豆瓣数据存储到数据库

Posted 2020-12-31 莫问今朝

 

1. 我们扒到了什么？

　　id， 名称， 上映年份，上映日期，所属类目， 导演，主演，片长，评分，星评，评价人数

2. 把这些数据做一个分类。

　　a..基本信息 ：名称， 导演，上映年份， 所属类目， 片长

　　b.评价信息：评分，星评，评价人数

　　c.主演表： 主演（我在纠结要不要单独列一张表）

3 .表设计。现在有点蛋疼的是主键。用自增主键还是电影id做主键。经过我的多方面考虑，我慎重（草率）地决定，用电影id（反正都要建唯一索引，为什么不拿来当主键呢。。）， 所以我刚才又在id那转了一下数据

    m_id = re.search("[0-9]+", movie_url).group()
    movie["id"] = int(m_id)

写着玩嘛，就是那么随意，有什么想法就改！！！

4. 建表。。也是蛋疼，我居然纠结过是用mysql还是mongodb， 马上就删自己一个耳光，你会mongodb嘛？感觉要是继续又开一个mongodb的坑，我就再也回不来这个爬虫了。

我也不傻不拉几地自己写建表sql了.直接用的SQLyog。稍微纠结了一下InnoDB和MyISAM。 我开始是想每次把一个电影的信息分别插入三个表，要不要用事务， 又想垃圾数据也不会扣我钱，所以用了MyISAM。毕竟就是大量的Insert和select

建表语句

 

CREATE DATABASE `douban`;
USE `douban`;

-- 基本信息表
CREATE TABLE `t_movie_info` (
  `id` bigint(20) unsigned NOT NULL COMMENT \'主键，豆瓣电影id\',
  `type` tinyint(4) DEFAULT NULL COMMENT \'类型 0：电视剧，1：电影\',
  `name` varchar(30) DEFAULT NULL COMMENT \'电影名字\',
  `director` varchar(50) DEFAULT NULL COMMENT \'导演\',
  `year` int(4) DEFAULT NULL COMMENT \'上映年份\',
  `month` int(2) DEFAULT NULL COMMENT \'上映月份\',
  `day` int(2) DEFAULT NULL COMMENT \'上映日期\',
  `categories1` varchar(20) DEFAULT NULL COMMENT \'所属类目1\',
  `categories2` varchar(20) DEFAULT NULL COMMENT \'所属类目2\',
  `time` int(3) DEFAULT NULL COMMENT \'时长\',
  PRIMARY KEY (`id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8


-- 主演表
CREATE TABLE `t_movie_actors` (
  `id` bigint(20) unsigned NOT NULL COMMENT \'主键，豆瓣电影id\',
  `actor1` varchar(50) DEFAULT NULL,
  `actor2` varchar(50) DEFAULT NULL,
  `actor3` varchar(50) DEFAULT NULL,
  `actor4` varchar(50) DEFAULT NULL,
  `actor5` varchar(50) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8

-- 评价数据表
CREATE TABLE `t_movie_scores` (
  `id` bigint(20) unsigned NOT NULL COMMENT \'主键，电影id\',
  `score` double unsigned DEFAULT \'0\' COMMENT \'评分\',
  `votes` int(10) unsigned DEFAULT \'0\' COMMENT \'评价人数\',
  `star1` double unsigned DEFAULT \'0\' COMMENT \'1星比例\',
  `star2` double unsigned DEFAULT \'0\' COMMENT \'2星比例\',
  `star3` double unsigned DEFAULT \'0\' COMMENT \'3星比例\',
  `star4` double unsigned DEFAULT \'0\' COMMENT \'4星比例\',
  `star5` double unsigned DEFAULT \'0\' COMMENT \'5星比例\',
  PRIMARY KEY (`id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8

 

5. 写一个方法把数据插入到数据库里。 也是第一次用python写数据到数据库，折腾了一晚上。 也不知道哪个小菜比写的 %s 不用加引号，搞得我第一次就看到这个，然后出了错一直认为这个是对的，在找别的原因

def inset_data(movie):
    # 获取一个数据库连接
    conn = pymysql.Connect(host="localhost", port=3306, user="root", password="root", db="douban")
    # conn.autocommit(True)    # 设置自动提交
    cursor = conn.cursor()   # 获取游标
    sql_insert_info = ("insert into `t_movie_info`(`id`, `type`, `name`, `director`, `year`, `month`, `day`, "
                       "`categories1`, `categories2`, `time`) values (%d, %d, \'%s\', \'%s\', %d, %d, %d, \'%s\', \'%s\', %d)")

    categories = movie["categories"]
    ca_len = len(categories)
    categories1 = categories[0] if ca_len > 0 else None
    categories2 = categories[1] if ca_len > 1 else None

    cursor.execute(sql_insert_info % (movie["id"], movie["type"], movie["name"], movie["directer"], movie["date"].year,
                                      movie["date"].month, movie["date"].day, categories1, categories2, movie["time"]))

    # 写sql 千万记住 %s 要加双引号，不然会报错 Unknown column \'a\' in \'field list\'
    sql_insert_actors = ("insert into `t_movie_actors`(id, actor1, actor2, actor3, actor4, actor5)"
                         "values(%d, \'%s\', \'%s\', \'%s\', \'%s\', \'%s\')")
    actors = movie["actors"]
    actors_len = len(actors)
    actor1 = actors[0] if actors_len > 0 else None
    actor2 = actors[1] if actors_len > 1 else None
    actor3 = actors[2] if actors_len > 2 else None
    actor4 = actors[3] if actors_len > 3 else None
    actor5 = actors[4] if actors_len > 4 else None

    cursor.execute(sql_insert_actors % (movie["id"], actor1, actor2, actor3, actor4, actor5))

    sql_insert_scores = ("insert into `t_movie_scores`(id, score, votes, star1, star2, star3, star4, star5)"
                         "values(%d, %f, %d, %f, %f, %f, %f, %f)")
    stars = movie["stars"]
    stars_len = len(stars)
    star1 = stars[0] if stars_len > 0 else 0.0
    star2 = stars[1] if stars_len > 1 else 0.0
    star3 = stars[2] if stars_len > 2 else 0.0
    star4 = stars[3] if stars_len > 3 else 0.0
    star5 = stars[4] if stars_len > 4 else 0.0
    cursor.execute(sql_insert_scores % (movie["id"], movie["score"], movie["vote"], star1, star2, star3, star4, star5))
    conn.commit()


data1 = douban_movie("https://movie.douban.com/subject/30236775/?from=showing")
inset_data(data1)
data2 = douban_movie("https://movie.douban.com/subject/26842702/?tag=%E7%83%AD%E9%97%A8&from=gaia")
inset_data(data2)
data3 = douban_movie("https://movie.douban.com/subject/26973784/?tag=%E6%9C%80%E6%96%B0&from=gaia")
inset_data(data3)
data4 = douban_movie("https://movie.douban.com/subject/30249296/?tag=%E7%83%AD%E9%97%A8&from=gaia")
inset_data(data4)

执行完后数据库：