如何从 MySql 数据库中读取 Scrapy Start_urls?

Posted

技术标签:

【中文标题】如何从 MySql 数据库中读取 Scrapy Start_urls?【英文标题】:How can I read Scrapy Start_urls from MySql database? 【发布时间】:2020-12-13 03:02:33 【问题描述】:

我正在尝试读取和写入 mysql 的所有输出。当我的蜘蛛开始抓取时,我想从 MySQL 数据库中获取所有 URL,因此我尝试创建一个函数来读取数据。

readdata.py:

import mysql.connector
from mysql.connector import Error
from itemadapter import ItemAdapter

def dataReader(marketName):
    try:
        connection = mysql.connector.connect(host='localhost',
                                            database='test',
                                            user='root',
                                            port=3306,
                                            password='1234')
        sql_select_Query = "SELECT shop_URL FROM datatable.bot_markets WHERE shop_name='"+marketName+"';"
        cursor = connection.cursor()
        cursor.execute(sql_select_Query)
        records = cursor.fetchall()
        return records
    except Error as e:
        print("Error reading data from MySQL table", e)
    finally:
        if (connection.is_connected()):
            connection.close()
            cursor.close()
            print("MySQL connection is closed")

我想从我的蜘蛛中调用这个函数,如下所示。

我的蜘蛛:

import scrapy
import re
import mysql.connector

from ..items import FirstBotItem
from scrapy.utils.project import get_project_settings
from first_bot.readdata import dataReader

class My_Spider(scrapy.Spider):
   name = "My_Spider"
   allowed_domains = ["quotes.toscrape.com/"]
   start_urls = dataReader(name)
   
   def parse(self, response):
       location = "quotes"
       for product in response.xpath('.//div[@class="product-card product-action "]'):
           
           product_link = response.url
           prices = product.xpath('.//div[@class="price-tag"]/span[@class="value"]/text()').get()
           if prices != None:prices = re.sub(r"[\s]", "", prices)
           title = product.xpath('.//h5[@class="title product-card-title"]/a/text()').get()
           unit = product.xpath('.//div[@class="select single-select"]//i/text()').get()
           if unit != None: unit = re.sub(r"[\s]", "", unit)
           item = FirstBotItem()
           item['LOKASYON'] = location
           item['YEAR'] = 2020
           item['MONTH'] = 8
           yield item

我在 start_urls 上做错了,但我想不通。我收到此错误。

_set_url
    raise TypeError('Request url must be str or unicode, got %s:' % type(url).__name__)
TypeError: Request url must be str or unicode, got tuple:
2020-08-24 15:46:31 [scrapy.core.engine] INFO: Closing spider (finished)

我的主要任务是从数据库中获取所有 URL。因为有人会在同一个网站上写网址,蜘蛛会自动爬取。

【问题讨论】:

【参考方案1】:

您可以尝试将dataReader方法中的逻辑从:

    records = cursor.fetchall()
    return records

到:

records = cursor.fetchall()
records_list = []
for rec in records:
    records_list.append(rec)
return records_list

【讨论】:

当我在返回之前检查 records 的类型时,它会返回 【参考方案2】:

您应该在 dataReader 函数中写入 return list(records) 而不是 return records

【讨论】:

以上是关于如何从 MySql 数据库中读取 Scrapy Start_urls?的主要内容,如果未能解决你的问题,请参考以下文章

教你如何从 MySQL 数据库读取数据

ValueError:mysql scrapy管道中不支持的格式字符

PHP MySQL 读取数据

Scrapy/Python/XPath - 如何从数据中提取数据?

Scrapy mysql管道错误

使用 node.js,我如何写入一个 MySQL 数据库并从另一个数据库读取?