(编辑:jimmy 日期: 2024/12/28 浏览:2)
前言
最近在用python练习写点爬虫,想着把双色球的历史记录爬下来存入mysql中,爬取数据没有遇到什么问题,在处理数据存入数据库的时候遇到问题了,现把问题整理出来方便自己日后查询也能帮助有缘人士:
一、从双色球历史网站爬取数据存成html文件;
import urllib.request url = 'https://datachart.500.com/ssq/history/newinc/history.php"" src="/UploadFiles/2021-04-08/20201214143749843.png">二,读取html文件获取数据,其中还有mysql的连接池
from lxml import etree from collections import namedtuple import mysql2 fileOb = open('history.html', 'r', encoding='utf-8') # 打开一个文件 doc = fileOb.read() html = etree.HTML(doc) # 把字符串转化为可处理的格式 two_colour = namedtuple('two_colour', 'code,red_1,red_2,red_3,red_4,red_5,red_6,blue,create_date') # two_colour = namedtuple('two_colour', 'a1,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16') def test1(): # red = html.xpath("//tbody/tr/td[@class='t_cfont2']/text()[1]") # blue = html.xpath("//tbody/tr/td[@class='t_cfont4']/text()[1]") all_ball = html.xpath("//tbody/tr[@class='t_tr1']/td/text()") # print(all_ball) for i in range(len(all_ball)): dict = two_colour(all_ball[0], all_ball[1], all_ball[2], all_ball[3], all_ball[4], all_ball[5], all_ball[6], all_ball[7], all_ball[15]) print(dict) for j in range(16): del all_ball[0] mysql2.saveDouBan(dict) print(all_ball) if __name__ == '__main__': test1()mysql的连接池
import pymysql # 新的写法,要注意 from dbutils.pooled_db import PooledDB POOL = PooledDB( creator=pymysql, # 使用链接数据库的模块 maxconnections=6, # 连接池允许的最大连接数,0和None表示不限制连接数 mincached=2, # 初始化时,链接池中至少创建的空闲的链接,0表示不创建 maxcached=5, # 链接池中最多闲置的链接,0和None不限制 maxshared=3, # 链接池中最多共享的链接数量,0和None表示全部共享。PS: 无用,因为pymysql和MySQLdb等模块的 threadsafety都为1,所有值无论设置为多少,_maxcached永远为0,所以永远是所有链接都共享。 blocking=True, # 连接池中如果没有可用连接后,是否阻塞等待。True,等待;False,不等待然后报错 maxusage=None, # 一个链接最多被重复使用的次数,None表示无限制 setsession=[], # 开始会话前执行的命令列表。 ping=0, # ping MySQL服务端,检查是否服务可用。 host='127.0.0.0', port=3306, user='root', password='123456', database='python_test', charset='utf8' ) def func(): # 检测当前正在运行连接数的是否小于最大链接数,如果不小于则:等待或报raise TooManyConnections异常 # 否则 则优先去初始化时创建的链接中获取链接 SteadyDBConnection。 # 然后将SteadyDBConnection对象封装到PooledDedicatedDBConnection中并返回。 # 如果最开始创建的链接没有链接,则去创建一个SteadyDBConnection对象,再封装到PooledDedicatedDBConnection中并返回。 # 一旦关闭链接后,连接就返回到连接池让后续线程继续使用。 conn = POOL.connection() # print(th, '链接被拿走了', conn1._con) # print(th, '池子里目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from two_clour_two') result = cursor.fetchall() for i in result: print(i) conn.close() # 数据库插入操作 def saveDouBan(dict): conn = POOL.connection() cursor = conn.cursor() sql = "insert into two_clour_two (`code`, `red_1`, `red_2`, `red_3`, `red_4`, `red_5`, `red_6`, `blue`,`create_date`) values(\"%s\",\"%s\",\"%s\",\"%s\",\"%s\",\"%s\",\"%s\",\"%s\",\"%s\")" % ( str(dict[0]), str(dict[1]), str(dict[2]), str(dict[3]), str(dict[4]), str(dict[5]), str(dict[6]), str(dict[7]), str(dict[8])) cursor.execute(sql) print('Successful') conn.commit() # 写入数据库一定要commit,否则数据没有数据 cursor.close() if __name__ == '__main__': func()三,数据处理的误区,这个是刚开始的写法,i是下标,取完数据把对应的下标的元素删除了,可以这时候的问题就是,下标的数字比数组长了,所有最后下标取完了,可是数组却没有为空。
解决办法就是上面贴的
for i in range(len(all_ball)):总结