Python3实现的爬虫爬取数据并存入mysql数据库操作示例

本文实例讲述了Python3实现的爬虫爬取数据并存入mysql数据库操作。分享给大家供大家参考，具体如下：

爬一个电脑客户端的订单。罗总推荐，抓包工具用的是HttpAnalyzerStdV7，与chrome自带的F12类似。客户端有接单大厅，罗列所有订单的简要信息。当单子被接了，就不存在了。我要做的是新出订单就爬取记录到我的数据库zyc里。

设置每10s爬一次。

抓包工具页面如图：

首先是爬虫，先找到数据存储的页面，再用正则爬出。

# -*- coding:utf-8 -*-
import re
import requests
import pymysql #Python3的mysql模块，Python2 是mysqldb
import datetime
import time
def GetResults():
 requests.adapters.DEFAULT_RETRIES = 5 #有时候报错，我在网上找的不知道啥意思，好像也没用。
 reg = [r'"id":(.*?),',
     r'"order_no":"(.*?)",',
     r'"order_title":"(.*?)",',
     r'"publish_desc":"(.*?)",',
     r'"game_area":"(.*?)\\/(.*?)\\/(.*?)",',
     r'"order_current":"(.*?)",',
     r'"order_content":"(.*?)",',
     r'"order_hours":(.*?),',
     r'"order_price":"(.*?)",',
     r'"add_price":"(.*?)",',
     r'"safe_money":"(.*?)",',
     r'"speed_money":"(.*?)",',
     r'"order_status_desc":"(.*?)",',
     r'"order_lock_desc":"(.*?)",',
     r'"cancel_type_desc":"(.*?)",',
     r'"kf_status_desc":"(.*?)",',
     r'"is_show_pwd":(.*?),',
     r'"game_pwd":"(.*?)",',
     r'"game_account":"(.*?)",',
     r'"game_actor":"(.*?)",',
     r'"left_hours":"(.*?)",',
     r'"created_at":"(.*?)",',
     r'"account_id":"(.*?)",',
     r'"mobile":"(.*?)",',
     r'"contact":"(.*?)",',
     r'"qq":"(.*?)"},']
 results=[]
 try:
   for l in range(1,2):   #页码
     proxy = {'HTTP':'61.135.155.82:443'} #代理ip
     html = requests.get('https://www.dianjingbaozi.com/api/dailian/soldier/hall?access_token=3ef3abbea1f6cf16b2420eb962cf1c9a&dan_end=&dan_start=&game_id=2&kw=&order=price_desc&page=％d'％l+'&pagesize=30&price_end=0&price_start=0&server_code=000200000000&sign=ca19072ea0acb55a2ed2486d6ff6c5256c7a0773&timestamp=1511235791&type=public&type_id=％20HTTP/1.1',proxies=proxy) # 用get的方式访问。网页解码成中文。接单大厅页。
     #
     html=html.content.decode('utf-8')
     outcome_reg_order_no = re.findall(r'"order_no":"(.*?)","game_area"', html)  #获取订单编号，因为订单详情页url与订单编号有关。
     for j in range(len(outcome_reg_order_no)):
       html_order = requests.get('http://www.lpergame.com/api/dailian/order/detail?access_token=eb547a14bad97e1ee5d835b32cb83ff1&order_no=' +outcome_reg_order_no[j] + '&sign=c9b503c0e4e8786c2945dc0dca0fabfa1ca4a870&timestamp=1511146154 HTTP/1.1',proxies=proxy)  #订单详细页
       html_order=html_order.content.decode('utf-8')
       # print(html_order)
       outcome_reg = []
       for i in range(len(reg)):#每条订单
         outcome = re.findall(reg[i], html_order)
         if i == 4:
           for k in range(len(outcome)):
             outcome_reg.extend(outcome[k])
         else:
           outcome_reg.extend(outcome)
       results.append(outcome_reg) #结果集
   return results
 except:
   time.sleep(5)  #有时太频繁会报错。
   print("失败")
   pass

根据爬虫结果建表，这里变量名要准确。并且要设置唯一索引，使每次爬的只有新订单入库。

def mysql_create():
 mysql_host = ''
 mysql_db = 'zyc'
 mysql_user = 'zyc'
 mysql_password = ''
 mysql_port = 3306
 db = pymysql.connect(host=mysql_host, port=mysql_port, user=mysql_user, password=mysql_password, db=mysql_db,charset='utf8') # 连接数据库编码注意是utf8，不然中文结果输出会乱码
 sql_create = "CREATE TABLE DUMPLINGS (id CHAR(10),order_no CHAR(50),order_title VARCHAR(265),publish_desc VARCHAR(265),game_name VARCHAR(265),"\
        "game_area VARCHAR(265),game_area_distinct VARCHAR(265),order_current VARCHAR(3908),order_content VARCHAR(3908),order_hours CHAR(10)," \
        "order_price FLOAT(10),add_price FLOAT(10),safe_money FLOAT(10),speed_money FLOAT(10),order_status_desc VARCHAR(265),"\
        "order_lock_desc VARCHAR(265),cancel_type_desc VARCHAR(265),kf_status_desc VARCHAR(265),is_show_pwd TINYINT,game_pwd CHAR(50),"\
        "game_account VARCHAR(265),game_actor VARCHAR(265),left_hours VARCHAR(265),created_at VARCHAR(265),account_id CHAR(50),"\
        "mobile VARCHAR(265),mobile2 VARCHAR(265),contact VARCHAR(265),contact2 VARCHAR(265),qq VARCHAR(265),"\
        "PRIMARY KEY (`id`),UNIQUE KEY `no`(`order_no`))ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8"
 sql_key="CREATE UNIQUE INDEX id ON DUMPLINGS(id)"
 cursor = db.cursor()
 cursor.execute("DROP TABLE IF EXISTS DUMPLINGS")
 cursor.execute(sql_create)# 执行SQL语句
 cursor.execute(sql_key)
 db.close() # 关闭数据库连

把数据导入Mysql，注意编码和字段之间的匹配。

def IntoMysql(results):
 mysql_host = ''
 mysql_db = 'zyc'
 mysql_user = 'zyc'
 mysql_password = ''
 mysql_port = 3306
 db = pymysql.connect(host=mysql_host, port=mysql_port, user=mysql_user, password=mysql_password, db=mysql_db,charset='utf8') # 连接数据库编码注意是utf8，不然中文结果输出会乱码
 cursor = db.cursor()
 for j in range(len(results)):
   try:
     sql = "INSERT INTO DUMPLINGS(id,order_no,order_title,publish_desc ,game_name," \
        "game_area,game_area_distinct,order_current,order_content,order_hours," \
        "order_price,add_price,safe_money,speed_money,order_status_desc," \
        "order_lock_desc,cancel_type_desc,kf_status_desc,is_show_pwd,game_pwd," \
        "game_account,game_actor,left_hours,created_at,account_id," \
        "mobile,mobile2,contact,contact2,qq) VALUES ("
     for i in range(len(results[j])):
       sql = sql + "'" + results[j][i] + "',"
     sql = sql[:-1] + ")"
     sql = sql.encode('utf-8')
     cursor.execute(sql)
     db.commit()
   except:pass
 db.close()

每十秒运行一次。

mysql_create()
i=0
while True:
 results = GetResults()
 IntoMysql(results)
 i=i+1
 print("爬虫次数:",i)
 time.sleep(10)

结果如图：

希望本文所述对大家Python程序设计有所帮助。

来源：https://blog.csdn.net/qq_37408031/article/details/78594174