python异步存储数据详解

在python中，数据存储方式分为同步存储和异步存储。同步写入速度比较慢，而爬虫速度比较快，有可能导致数据保存不完整，一部分数据没有入库。而异步可以将爬虫和写入数据库操作分开执行，互不影响，所以写入速度比较快，能够保证数据的完整性。

异步存储数据库大致看分为以下步骤：

1. 在settings中配置mysql链接需要的参数(主机地址、用户账号、密码、需要操作的表名、编码格式等)
2. 自定义pipeline，实现from_settings函数
3. from twisted.enterprise import adbapi 引入连接池模块
4. from pymysql import cursors 引入游标模块
5. 在from_settings中，准备链接数据库参数，创建db_pool连接池，创建返回当前类的对象，传入db_pool
6. 实现初始化函数,在初始化函数中,将db_pool赋值self的属性
7. 实现process_item函数
    7.1  query = self.db_pool.runinteraction(执行插入数据操作的函数对象，函数需要参数)，并接受执行返回结果
    7.2  query.adderrback(错误回调函数，函数需要参数)，添加执行sql失败回调的函数，在回调函数中对错误数据进一步处理
8. 实现插入数据操作的函数，准备sql，执行sql
9. 实现错误回调函数，在回调函数中对错误数据进一步处理 

下面，我们以天堂图片网为例，大致熟悉一下异步存储：

1. 在存储之前，可以选择手动创建数据库（表名、字段名、字段类型等自己定义），也可以选择代码创建。

2. 存储数据之前还得先拿到数据

import scrapy
from ..items import imgitem
class ivskyspider(scrapy.spider):
  name = 'ivsky'
  allowed_domains = ['ivsky.com']
  start_urls = ['http://www.ivsky.com/tupian/ziranfengguang/']
  def parse(self, response):
    imgs = response.xpath('//div[@class="il_img"]/a/img')
    for img in imgs:
      alt = img.xpath('@alt').extract_first('')
      src = img.xpath('@src').extract_first('')
      item = imgitem()
      item['alt'] = alt
      item['src'] = src
 
      yield item

3. 自定义item，并把数据传进去

import scrapy
 
class ivskyspideritem(scrapy.item):
  # define the fields for your item here like:
  # name = scrapy.field()
  pass
 
class imgitem(scrapy.item):
 
  alt = scrapy.field()
  src = scrapy.field()

4. 接下来就是settings中的配置，代码如下（robots协议记得改为false）：

mysql_host = '127.0.0.1'
mysql_user = 'root'
mysql_pw = '123456'
mysql_db = 'ivskydb'
mysql_charset = 'utf8'

5. 再然后自定义pipeline，并把该pipeline在settings中配置（设置优先级）：

from twisted.enterprise import adbapi
from pymysql import cursors
 
class twistedmysqlpipeline(object):
 
  # 在调用twistedmysqlpipeline时，第一个调用该函数
  @classmethod
  def from_settings(cls, settings):
 
    #准备需要用到的链接mysql的参数
    db_prams = dict(
      host=settings['mysql_host'],
      user=settings['mysql_user'],
      password=settings['mysql_pw'],
      db=settings['mysql_db'],
      port=3306,
      use_unicode=true,
      charset=settings['mysql_charset'],
      # 指定使用的游标类型
      cursorclass=cursors.dictcursor
    )
    # 创建连接池对象，需要传入两个参数
    # 1.使用操作mysql第三方包名
    # 2.连接数据库需要的参数
    db_pool = adbapi.connectionpool('pymysql', **db_prams)
 
    return cls(db_pool)
 
  def __init__(self, db_pool):
    # 将连接池对象赋值self.db_pool属性
    self.db_pool = db_pool
 
  def process_item(self, item, spider):
 
    # 准备sql
    # 执行sql
    # 执行一个将item数据写入数据库的动作
    # 1.执行操作的函数
    # 2.执行函数需要的参数....
    query = self.db_pool.runinteraction(self.insert_item, item)
    # 执行sql出现异常错误时，回调的函数
    query.adderrback(self.handle_error, item, spider)
 
    return item
 
  # 插入数据出现错误时，回调的函数
  def handle_error(self, failure, item, spider):
    print(failure)
    print(item)
 
  # 执行插入数据的函数
  def insert_item(self, cursor, item):
    # 创建sql
    sql = "insert into ivs(alt,src)values(%s,%s)"
    # 执行sql
    cursor.execute(sql,(item['alt'], item['src']))

6. pipeline在settings中的配置

item_pipelines = {
  # 'ivsky_spider.pipelines.mysqlpipeline': 300,
  'ivsky_spider.pipelines.twistedmysqlpipeline': 300,
}

代码到这里就结束了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。