python3使用scrapy获取数据然后保存至MySQL数据库，我上一篇写了如何爬取数据保存为csv文件，这一篇将会写如何将数据保存至数据库。
思路大都一样，我列一个思路：
1：获取腾讯招聘网。
2：筛选信息获取我们想要的。
3：将获取的信息按照规律保存至本地的txt文件。
4：读取txt文件的信息上传至MySQL数据库。
(友情提示：如果有朋友不怎么看得懂路径导入，可以看看我之前写的自定义模块路径导入方法的文章)
下面我们就按照这四步来实现目的。
(声明一下，除了数据库有关的代码有注释外，其他有不懂的可以看上一篇生成csv文件的文章的注释)
呈上代码(代码很简单，只需要简单的分析就行了)：
# _*_ coding:utf-8 _*_
import scrapy #下面这些都是基本的模块，慢慢分析就行
from scrapy.http import Request
from time import sleep
import pymysql #python3连接数据库的模块pymysql
import os
import sys
sys.path.append("D:\PYscrapy\get_Field") #一样的路径导入以便调用下面两个模块
from get_Field.items import GetItem
import main
class Tencentzhaopin(scrapy.Spider):
name = "field"
start_urls = ["http://hr.tencent.com/position.php?&start=0#a"]
url = "http://hr.tencent.com/"
count = 0
filename = "data.txt"
if os.path.exists(filename) == True:
os.remove(filename)
def database(self,path): #调用这个自定义函数来实现对数据库的操作
connect = pymysql.connect(
user = "root",
password = "xxxxxxxx", #连接数据库，不会的可以看我之前写的连接数据库的文章
port = 3306,
host = "127.0.0.1",
db = "MYSQL",
charset = "utf8"
)
con = connect.cursor() #获取游标
con.execute("create database w_tencent") #创建数据库，！！！！这一条代码仅限第一次使用，有了数据库后就不用再使用了
con.execute("use w_tencent") #使用数据库
con.execute("drop table if exists t_zhaopin") #判断是否存在这个数据库表
sql = '''create table t_zhaopin(name varchar(40),genre varchar(20),number bigint,place varchar(40),time varchar(20))'''
con.execute(sql) #执行sql命令 创建t_zhaopin表来保存信息
with open(path,"r") as f: #打开path本地文档
while True:
info = f.readline() #一行一行的读取文档信息
if info:
info = info.strip() #去掉换行符
info = info.split(";") #以;来分割将信息变换为列表形式
name = info[0]
genre = info[1]
number = info[2]
place = info[3]
time = info[4]
con.execute("insert into t_zhaopin(name,genre,number,place,time)values(%s,%s,%s,%s,%s)",[name,genre,number,place,time])
# 这一句就是将信息保存至t_zhaopin表中
else:
break
connect.commit() #我们需要提交数据库，否则数据还是不能上传的
con.close() #关闭游标
connect.close() #关闭数据库
print("Over!!!!!!!!!")
def parse(self,response):
self.count += 1
name = response.xpath('//table//td[@class="l square"]//a//text()').extract()
genre = response.xpath('//table//tr[not(@class="h")]//td[2][not(@align="center")]//text()').extract()
number = response.xpath('//table//tr[not(@class="h")]//td[3][not(@align="center")]//text()').extract()
place = response.xpath('//table//tr[not(@class="h")]//td[4][not(@align="center")]//text()').extract()
time = response.xpath('//table//tr[not(@class="h")]//td[5][not(@align="center")]//text()').extract()
with open(self.filename,"a") as f: #将我们获取到的信息保存到本地
for i in range(len(genre)): #以某个属性的长度来循环
f.write(name[i]+";") #我们将这些信息保存起来，并用;来分隔
f.write(genre[i]+";")
f.write(number[i]+";")
f.write(place[i]+";")
f.write(time[i]+"\n")
new_url = response.xpath('//*[@id="next"]//@href').extract()
new_url = self.url+new_url[0]
print("Over")
sleep(0.5)
if self.count<=20:
yield Request(url=new_url,callback=self.parse) #循环获取20页的内容就行了
else:
self.database(self.filename) #当超过20页时跳出返回，调用database函数存信息到数据库
以上是完整的代码，可以根据自己的实际情况来修改。
难的地方应该没有，但是对于一个初学者，细节还要是有很多的，我刚开始就是忘记了提交数据，找了很久的问题，郁闷。。。。。。
相互学习，可以用讨论，希望对大家有帮助
