码迷,mamicode.com
首页 > 数据库 > 详细

python2.7导入mysqldb

时间:2017-06-07 15:43:20      阅读:232      评论:0      收藏:0      [点我收藏+]

标签:lis   return   一段   urllib   get   www   没有   har   utf-8   

my噶地~~

学习了一段时间爬虫,了解最基本的模块。要开始连接数据库啦,遇到小问题,随笔mark。

爬虫就是在网页上解析数据,一开始只能爬到pycharm的显示栏,高级一点点的有图形化界面,可以爬取小说、文字、图片、小视频and so on,,

爬虫必备模块之urllib、urllib2、re、beautifulsoup、xpath等等

有些模块是python自带的模块,如urllib、sys、re等等,但是有些模块需要在Dos命令里面进行install,格式"pip install+模块名"

网页分为静态网页和动态网页,两者之间最大的区别大概就是后者需要与服务器进行数据交互,即与数据库有关联。

前两个用来解析网络url,譬如urllib2.openurl("这里放入需要爬取的url"),注意如果openurl()没有得到对应的html,那么恭喜你,你爬的网站做了反爬虫。

这个时候加上headers可以很好地解决这个问题。譬如headers={

‘User-Agent‘:‘这个地方注意去你要爬的网址上面找,F12+F5‘

}

过滤不需要的信息需要用到正则表达式,最基本的re.compile(“html”)是为了防止转义,提高编译效率。

过来不需要的信息可以用re.findall(req,html),这样可以过滤你要的信息啦,比如标题,正文,甚至图片。

最近爬了一个小说网,需要将数据存储到数据库中,一般都是用mysql。python连接数据库需要安装数据库插件python2.x系列的数据库模块叫mysqldb,为了import MySQLdb不报错,可是让我惦记了两天,pip install mysql_python根本行不通!!!安装了好多不必要的插件依旧有问题!!!最好的解决办法如下:

http://www.lfd.uci.edu/~gohlke/pythonlibs/#mysql-python

http://www.lfd.uci.edu/~gohlke/pythonlibs/#mysql-python

http://www.lfd.uci.edu/~gohlke/pythonlibs/#mysql-python

重要的网站备份三遍!!在里面找到名为"mysql_python-1.2.5-cp27-none-win32.whl"的插件下载,操作如下所示:

技术分享

!!!专治各种纠结

关于数据库的连接存储,且看下回分解。

 

最后摆出一个爬取某小说网站的书籍文件,参考学习:

# _*_coding:utf-8 _*_

#爬取小说网站,将数据存入数据库
#author:yangyang
#datetime:2017.6.2


import urllib2,re
import MySQLdb

domain="http://www.quanshu.net"
headers={
    User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36
}
def getTypeList(pn=1):
      req=urllib2.Request(http://www.quanshu.net/map/%s.html %pn)
      req.headers=headers #替换所有头信息
      #req.add_header()#添加单个头信息
      res=urllib2.urlopen(req)
      html=res.read().decode(gbk)#decode解码
      reg=re.compile(r<a href="(/book/.*?)" target="_blank">(.*?)</a>)
      htmll=re.findall(reg,html)
      return htmll
def getContent(url):
    req=urllib2.Request(domain+url)
    req.headers=headers
    res=urllib2.urlopen(req)
    html=res.read().decode(gbk)
    reg=r<li><a href="(.*?)" title=".*?">(.*?)</a></li>
    reg=re.compile(reg)
    return  re.findall(reg,html)

def getNovelcontent(url):
  req=urllib2.Request(domain+url)
  req.headers=headers
  res=urllib2.urlopen(req)
  res=res.read().decode(gbk)
  reg=rstyle5\(\);</script>(.*?)<script type="text/javascript">style6\(\);
  return re.findall(reg,res)[0]

if __name__== __main__:
    for type in range(1,10):
        for url,title in getTypeList(type):
             for chapter,ztitle in getContent(url):
                  print u正在爬取----------%s %ztitle
                  contenturl= getNovelcontent(url.replace(index.html,chapter))

 

python2.7导入mysqldb

标签:lis   return   一段   urllib   get   www   没有   har   utf-8   

原文地址:http://www.cnblogs.com/yang-ye/p/6956987.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!