如何使用scrapy框架循环爬京东数据后导入Mysql的方法

本文主要为大家分享一篇J如何使用scrapy框架循环爬京东数据后导入Mysql的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧，希望能帮助到大家。

京东是有反爬机制的，所以我用到用户代理、伪装成浏览器。

爬取数据是京东商城的手机信息 URL：https://list.jd.com/list.html?cat=9987,653,655&page=1

大概是9000多条数据，不在列表之内的商品没有算在内。

遇到的问题：

1、用户代理最好是用方法（use_proxy）封装起来，因为自己之前就是把代码直接写在parse下，遇到not enough values to unpack的问题，我实在不知道错误出在哪一句，就每句代码之后print，发现问题出在urlopen（），但是我反复试、查网上，也没发现错误在哪，写成方法就解决了，现在想来可能是因为parse方法是处理respose。

2、在把数据导入mysql之前，我先试着把数据导入到文件中，但是在导入中，发现x.txt的大小一直是0kb,1kb在变，没有增长，想想应该是覆盖了，本来是认为自己fh.close()写的位置不对,后来突然想到

fh = open("D:/pythonlianxi/result/4.txt", "w")写错了，应该要把'w'变成'a'。

3、导入数据库，碰到的问题主要是中文编码问题，要先打开mysql, show variables like '%char%';查看数据库的字符集编码形式，用对应的形式，比如我自己是utf8，用gbk就不好使。另外，在写连接mysql时 charset='utf8'不要忘记。

下面是具体代码：

conn = pymysql.connect(host="127.0.0.1", user="root", passwd="root", db="jingdong", charset="utf8")

import scrapy
from scrapy.http import Request
from jingdong.items import JingdongItem
import re
import urllib.error
import urllib.request
import pymysql
class JdSpider(scrapy.Spider):
    name = 'jd'   
    allowed_domains = ['jd.com']    
    #start_urls = ['http://jd.com/']    
     header = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36"} 
         #fh = open("D:/pythonlianxi/result/4.txt", "w")    
         def start_requests(self):      
             return [Request("https://list.jd.com/list.html?cat=9987,653,655&page=1",callback=self.parse,headers=self.header,meta={"cookiejar":1})]   
              def use_proxy(self,proxy_addr,url):       
               try:
            req=urllib.request.Request(url)
            req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36")
            proxy = urllib.request.ProxyHandler({"http": proxy_addr})
            opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)
            urllib.request.install_opener(opener)
            data=urllib.request.urlopen(req).read().decode("utf-8","ignore")           
             return data      
       except urllib.error.URLError as e:         
          if hasattr(e,"code"):                
             print(e.code)            
          if hasattr(e,"reason"):               
             print(e.reason)        
          except Exception as e:        
             print(str(e))   

    def parse(self, response):
        item=JingdongItem()
        proxy_addr = "61.135.217.7:80"    
      try:
            item["title"]=response.xpath("//p[@class='p-name']/a[@target='_blank']/em/text()").extract()
            item["pricesku"] =response.xpath("//li[@class='gl-item']/p/@data-sku").extract()            

            for j in range(2,166):
                url="https://list.jd.com/list.html?cat=9987,653,655&page="+str(j)               
                 print(j)                
                 #yield item               
                  yield Request(url)
            pricepat = '"p":"(.*?)"'          
              personpat = '"CommentCountStr":"(.*?)",'            
              print("2k")            
              #fh = open("D:/pythonlianxi/result/5.txt", "a")            
              conn = pymysql.connect(host="127.0.0.1", user="root", passwd="root", db="jingdong", charset="utf8")              

         for i in range(0,len(item["pricesku"])):
                priceurl="https://p.3.cn/prices/mgets?&ext=11000000&pin=&type=1&area=1_72_4137_0&skuIds="+item["pricesku"][i]
                personurl = "https://club.jd.com/comment/productCommentSummaries.action?referenceIds=" + item["pricesku"][i]
                pricedata=self.use_proxy(proxy_addr,priceurl)
                price=re.compile(pricepat).findall(pricedata)
                persondata = self.use_proxy(proxy_addr,personurl)
                person = re.compile(personpat).findall(persondata)

                title=item["title"][i]               
                print(title)
                price1=float(price[0])                
                #print(price1)                
                person1=person[0]
                #fh.write(tile+"\n"+price+"\n"+person+"\n")                
                cursor = conn.cursor()
                sql = "insert into jd(title,price,person) values(%s,%s,%s);"               
                params=(title,price1,person1)                
                print("4")
                cursor.execute(sql,params)
                conn.commit()            

                #fh.close()

                conn.close()            
                return item        
                except Exception as e:            
                print(str(e))

相信聪明的你已经学会了，还等什么，赶快去实践吧。

以上就是如何使用scrapy框架循环爬京东数据后导入Mysql的方法的详细内容，更多请关注其它相关文章！