使用python连接MySQL数据库

本篇文章使用python中的pymysql库连接MySQL数据库,并完成建表,数据写入和查询的过程。为了保证内容的完整性,我们将内容分为两个 阶段,第一阶段简单介绍数据的爬取过程。看过之前爬虫文章的同学请直接忽略。第二阶段介绍将爬去的数据写入MySQL数据库的过程。

FN1862DHFSHVH36.LARGE
1,使用python抓取并提取数据

第一阶段介绍数据爬取过程,首先导入所需的库文件,主要包括requests,re和pandas三个库。具体作用在注释中进行了说明,这里不再赘述。

#导入requests库(请求和页面抓取)
import requests
#导入正则库(从页面代码中提取信息)
import re
#导入科学计算库(拼表及各种分析汇总)
import pandas as pd

设置爬取请求中的头文件信息。

#设置请求中头文件的信息
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 
Safari/537.11',
'Accept':'text/html;q=0.9,*/*;q=0.8',
'Accept-Charset':'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
'Connection':'close',
'Referer':'https://www.baidu.com/'
}

开始抓取数据,并查看抓取到的网页内容。这里我们所需要的数据还在页面源码中,需要使用正则表达式进行提取。

#抓取并保存页面信息
r=requests.get('http://www.p2peye.com/shuju/ptsj/',headers=headers)
html=r.content
#对抓取的页面进行编码
html=str(html, encoding = "GBK")
#查看抓取的页面源码
html

查看html

使正则表达式从抓取到的网页源码中提取所需数据。这里我们一共提取9个字段。

#使用正则提取title字段信息
title=re.findall(r'"return false".*?title="(.*?)"',html)
#使用正则提取total字段信息
total=re.findall(r'"total">(.*?)万<',html)
#使用正则提取rate字段信息
rate=re.findall(r'"rate">(.*?)<',html)
#使用正则提取pnum字段信息
pnum=re.findall(r'"pnum">(.*?)人<',html)
#使用正则提取cycle字段信息
cycle=re.findall(r'"cycle">(.*?)月<',html)
#使用正则提取plnum字段信息
p1num=re.findall(r'"p1num">(.*?)人<',html)
#使用正则提取fuload字段信息
fuload=re.findall(r'"fuload">(.*?)分钟<',html)
#使用正则提取alltotal字段信息
alltotal=re.findall(r'"alltotal">(.*?)万<',html)
#使用正则提取captial字段信息
capital=re.findall(r'"capital">(.*?)万<',html)

查看其中一个字段的信息,这里我们查看平台名称title的提取结果。

#查看title字段信息
title

查看title

到这里第一阶段的数据爬取工作完成了,现在我们有9个字段的数据,在下一阶段中我们将连接MySQL数据库,并将这9个字段的数据写到数据库里。

2,连接MySQL数据库写入并读取数据

在第二阶段,我们使用python的pymysql库连接MySQL数据库。如果你是第一次使用这个库需要先通过pip install pymysql进行安装,然后导入pymysql库文件。

#导入pymysql库
import pymysql

首先连接MySQL数据库,这里需要输入数据库的ip地址,用户名,密码,数据库名称,端口号等信息。我在这里只简单些了ip地址,用户名和数据库名称。每个参数的内容请按你数据库的实际信息进行填写。

#打开数据库连接
db = pymysql.connect("192.168.0.1","root","","shuju_test" )

使用 cursor()创建一个游标对象

# 使用 cursor() 方法创建一个游标对象 cursor
cursor = db.cursor()

在数据库中创建一个包含9个字段的数据表,用于写入数据。这里具体分为两步,第一步写出创建数据表的SQL语句。第二步使用execute()执行SQL语句

#创建一个表
sql1 = "CREATE TABLE wdty7( title varchar(255), total varchar(255), rate varchar(255), people_num varchar(255), cycle 
varchar(255), people_lend_num varchar(255), full_load varchar(255), all_total varchar(255), capital varchar(255)) "
 
# 使用 execute() 方法执行 SQL 语句
cursor.execute(sql1)

使用execute()方法执行SQL查询

创建完数据表后,开始写入数据,这里我们使用for循环向数据表中逐条写入9个字段的数据。

#向表中创建新的记录
for i in range(len(title)):
sql="INSERT INTO `wdty6`(`title`, `total`, `rate`, `people_num`, `cycle`, `people_lend_num`, `full_load`, `all_total`, 
`capital`)VALUES ( %s, %s, %s, %s, %s, %s, %s, %s, %s);"
values=(title[i].encode("utf-7").decode("latin1"),total[i],rate[i],pnum[i],cycle[i],p1num[i],fuload[i],alltotal 
[i],capital[i])
cursor.execute(sql,values)
db.commit()

创建一个查询语句并使用execute()方法执行查询。

#设置查询语句
sql1="SELECT * FROM wdty6 where cycle>0.6;"
 
# 使用 execute() 方法执行 SQL 查询 
cursor.execute(sql1)

使用execute()方法执行SQL查询 1

使用fetchall()获取刚才写入的所有9个字段的数据,并保存在data中。

#使用fetchall()方法获取所有数据
data = cursor.fetchall()

将data中的数据转为pandas的DataFrame格式。

#将获取数据
import pandas as pd
columns=["title", "total", "rate", "people_num", "cycle", "people_lend_num", "full_load", "all_total", "capital"]
df = pd.DataFrame(list(data),columns=columns)

查看从数据库中提取的数据,这里有个问题,平台名称title字段中的中文在写入数据库后变成了乱码,应该是编码转换的问题。目前还没有找到解决办法。如有知道解决办法的朋友请赐教。

#查看数据表
df.head()

查看数据表

最后,完成所有操作后关闭数据库的连接。

# 关闭数据库连接
db.close()

—【所有文章及图片版权归 蓝鲸(王彦平)所有。欢迎转载,但请注明转自“蓝鲸网站分析博客”。】—

Speak Your Mind

*