在 Scrapy 中将项目写入 MySQL 数据库

Posted 2023-02-16

【中文标题】在 Scrapy 中将项目写入 MySQL 数据库

【英文标题】：Writing items to a MySQL database in Scrapy

【发布时间】：2012-06-06 10:23:07

【问题描述】：

我是 Scrapy 的新手，我有蜘蛛代码

class Example_spider(BaseSpider):
   name = "example"
   allowed_domains = ["www.example.com"]

   def start_requests(self):
       yield self.make_requests_from_url("http://www.example.com/bookstore/new")

   def parse(self, response):
       hxs = htmlXPathSelector(response)
       urls = hxs.select('//div[@class="bookListingBookTitle"]/a/@href').extract()
       for i in urls:
           yield Request(urljoin("http://www.example.com/", i[1:]), callback=self.parse_url)

   def parse_url(self, response):
           hxs = HtmlXPathSelector(response)
           main =   hxs.select('//div[@id="bookshelf-bg"]')
           items = []
           for i in main:
           item = Exampleitem()
           item['book_name'] = i.select('div[@class="slickwrap full"]/div[@id="bookstore_detail"]/div[@class="book_listing clearfix"]/div[@class="bookstore_right"]/div[@class="title_and_byline"]/p[@class="book_title"]/text()')[0].extract()
           item['price'] = i.select('div[@id="book-sidebar-modules"]/div[@class="add_to_cart_wrapper slickshadow"]/div[@class="panes"]/div[@class="pane clearfix"]/div[@class="inner"]/div[@class="add_to_cart 0"]/form/div[@class="line-item"]/div[@class="line-item-price"]/text()').extract()
           items.append(item)
       return items

而管道代码是：

class examplePipeline(object):

    def __init__(self):               
        self.dbpool = adbapi.ConnectionPool('mysqldb',
                db='blurb',
                user='root',
                passwd='redhat',
                cursorclass=MySQLdb.cursors.DictCursor,
                charset='utf8',
                use_unicode=True
            )
def process_item(self, spider, item):
    # run db query in thread pool
    assert isinstance(item, Exampleitem)
    query = self.dbpool.runInteraction(self._conditional_insert, item)
    query.addErrback(self.handle_error)
    return item
def _conditional_insert(self, tx, item):
    print "db connected-=========>"
    # create record if doesn't exist. 
    tx.execute("select * from example_book_store where book_name = %s", (item['book_name']) )
    result = tx.fetchone()
    if result:
        log.msg("Item already stored in db: %s" % item, level=log.DEBUG)
    else:
        tx.execute("""INSERT INTO example_book_store (book_name,price)
                    VALUES (%s,%s)""",   
                            (item['book_name'],item['price'])
                    )
        log.msg("Item stored in db: %s" % item, level=log.DEBUG)            

def handle_error(self, e):
    log.err(e)          

运行后出现以下错误

exceptions.NameError: global name 'Exampleitem' is not defined

当我在process_item 方法中添加以下代码时出现上述错误

assert isinstance(item, Exampleitem)

并且没有添加这一行我得到了

**exceptions.TypeError: 'Example_spider' object is not subscriptable

任何人都可以运行此代码并确保所有项目都保存到数据库中吗？

【参考方案1】：

在您的管道中尝试以下代码

import sys
import MySQLdb
import hashlib
from scrapy.exceptions import DropItem
from scrapy.http import Request

class MySQLStorePipeline(object):
    def __init__(self):
        self.conn = MySQLdb.connect('host', 'user', 'passwd', 
                                    'dbname', charset="utf8",
                                    use_unicode=True)
        self.cursor = self.conn.cursor()

    def process_item(self, item, spider):    
        try:
            self.cursor.execute("""INSERT INTO example_book_store (book_name, price)  
                        VALUES (%s, %s)""", 
                       (item['book_name'].encode('utf-8'), 
                        item['price'].encode('utf-8')))            
            self.conn.commit()            
        except MySQLdb.Error, e:
            print "Error %d: %s" % (e.args[0], e.args[1])
        return item

【讨论】：

：我已经更新了上面的代码，但是遇到了以下错误，我无法用这个检查。（1064，“你的SQL语法有错误；检查对应的手册您的 MySQL 服务器版本，以便在第 2 行的 '))' 附近使用正确的语法")

(1241, '操作数应包含 1 列')

如果遇到“关键字参数后的非关键字参数”错误，请改用self.conn = MySQLdb.connect(user='dbuser', passwd='dbpasswd', db='dbname', host='dbhost', charset="utf8", use_unicode=True)

错误的解决方案，与scrapy async io 和twisted 完全矛盾，正确的做法见github.com/darkrho/dirbot-mysql

【参考方案2】：

您的 process_item 方法应声明为：def process_item(self, item, spider): 而不是 def process_item(self, spider, item): -> 您切换了参数。

此异常：exceptions.NameError: global name 'Exampleitem' is not defined 表示您没有在管道中导入 Exampleitem。 尝试添加：from myspiders.myitems import Exampleitem （当然要使用正确的名称/路径）。

【讨论】：

感谢输出，但它显示“”（1064，“您的 SQL 语法有错误；请查看与您的 MySQL 服务器版本相对应的手册以获取在 ')) 附近使用的正确语法在第 2 行"""

和 ""(1241, 'Operand should contain 1 column(s)')"".Items 没有保存在数据库中。我写的查询中是否有任何错误我没有看到任何

尝试将：tx.execute("select * from example_book_store where book_name = %s", (item['book_name']) ) 更改为：tx.execute("select book_name from example_book_store where book_name = %s", (item['book_name'], ) )

关于 SQL 问题，最好问一个特定于 SQL 的问题。它需要比评论中描述的更多信息（例如错误发生在哪一行）

【参考方案3】：

我觉得这种方式更好更简洁：

#Item
class pictureItem(scrapy.Item):
    topic_id=scrapy.Field()
    url=scrapy.Field()

#SQL
self.save_picture="insert into picture(`url`,`id`) values(%(url)s,%(id)s);"

#usage
cur.execute(self.save_picture,dict(item))

就像

cur.execute("insert into picture(`url`,`id`) values(%(url)s,%(id)s)" % "url":someurl,"id":1)

原因（您可以在 Scrapy 中阅读有关 Items 的更多信息）

Field 类只是内置 dict 类的别名，不提供任何额外的功能或属性。换句话说，Field 对象是普通的 Python 字典。