我们都知道mysql数据库能存储大量数据，但是你知道数据是怎么存储在mysql中的吗？
一般将数据保存到MySQL中有两种方式，同步模式和异步模式。
同步模式
同步模式是采用SQL语句，将数据插入到数据库中。但是要注意的是Scrapy的解析速度要远大于MySQL的入库速度，当有大量解析的时候，MySQL的入库就可能会阻塞。
import MySQLdbclass MysqlPipeline(object): def __init__(self): self.conn = MySQLdb.connect('127.0.0.1','root','root','article_spider',charset="utf8",use_unicode=True) self.cursor = self.conn.cursor() def process_item(self, item, spider): insert_sql = """ insert into jobbole_article(title,create_date,url,url_object_id) VALUES (%s,%s,%s,%s) """ self.cursor.execute(insert_sql,(item["title"],item["create_date"],item["url"],item["url_object_id"])) self.conn.commit()
异步模式
采用同步模式可能会产生阻塞，我们可以使用Twisted将MySQL的入库和解析变成异步操作，而不是简单的execute，commit同步操作。
关于MySQL的配置，我们可以直接在配置文件配置数据库：
MYSQL_HOST = "127.0.0.1" MYSQL_DBNAME = "article_spider" MYSQL_USER = "root"MYSQL_PASSWORD = "root"
在settings中的配置，我们通过在pipeline中定义from_settings获取settings对象，可以直接获取settings配置文件中的值。
使用Twisted提供的异步容器连接MySQL：
import MySQLdb import MySQLdb.cursorsfrom twisted.enterprise import adbapi
使用adbapi可以使mysqldb的一些操作变成异步化的操作
使用cursors进行sql语句的执行和提交
代码部分：
class MysqlTwistedPipline(object): def __init__(self,dbpool): self.dbpool = dbpool @classmethod def from_settings(cls,settings): dbparms = dict( host = settings["MYSQL_HOST"], db = settings["MYSQL_DBNAME"], user = settings["MYSQL_USER"], passwd = settings["MYSQL_PASSWORD"], charset = 'utf8', cursorclass = MySQLdb.cursors.DictCursor, use_unicode=True, ) dbpool = adbapi.ConnectionPool("MySQLdb",**dbparms) return cls(dbpool) def process_item(self, item, spider): #使用Twisted将mysql插入变成异步执行 #runInteraction可以将传入的函数变成异步的 query = self.dbpool.runInteraction(self.do_insert,item) #处理异常 query.addErrback(self.handle_error,item,spider) def handle_error(self,failure,item,spider): #处理异步插入的异常 print(failure) def do_insert(self,cursor,item): #会从dbpool取出cursor #执行具体的插入 insert_sql = """ insert into jobbole_article(title,create_date,url,url_object_id) VALUES (%s,%s,%s,%s) """ cursor.execute(insert_sql, (item["title"], item["create_date"], item["url"], item["url_object_id"])) #拿传进的cursor进行执行，并且自动完成commit操作
以上代码部分，除了do_insert之外，其它均可复用。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
