注意:运行环境python35 需要安装的库:requests,lxml,json(自带的),pymysql(python2需要使用mysqldb)
代码思路:
-
获取源代码 这里我用了requests,so easy就获取网页源代码了~~~
-
将源码转化为能被XPath匹配的格式
-
利用xpath抓取到需要的信息
-
对获取到的信息按评分排序
-
将信息保存至txt文件
所以阅读代码建议先阅读getData.py,然后在阅读handleData.py
折腾了将近两天才把mysql数据库功能给实现了。
经过这两天的实践,发现了自己的很多知识点漏洞。尤其是数据编码类型。每次要想实现把数据存入txt或其他文本文件,都要花费好长时间,虽然大致实现思路很清晰,但是总是会遇到很多细枝末节的障碍,基础不牢啊。
说说从昨天到现在一直折腾pymysql的经历吧。(脑袋很混乱。估计下文会更紊乱。。。。)。不过如果你能坚持看完,绝对会有收获,没有的话你来找我(反正你也找不到)
- BUG 1
首先是最简单的pymysql.connect()语句的实现就耗了我大半天的时间。
db = pymysql.connect(host="localhost",user="root",password="123456",db="doubanmovie",charset="utf8")
就是这么简单的一行代码。。。简直蠢哭了 我一直以为 ==user== 和 ==password== 两项是随便填的。。随便。。填。。的。。。 所以我付出了惨痛代价,mysql软件安装了三四次,电脑重启无数次。。。最后才慢慢悟出了真理,原来他们是我在安装mysql的时候自己设置的。 另外我要提醒一下小伙伴们,如果你安装mysql只是为了学习的话,建议密码不要太复杂,否则你会后悔的,相信我,恩。
- BUG 2 第二个遇到的障碍就是数据库和数据表的创建。
db = pymysql.connect(host="localhost",user="root",password="123456",db="doubanmovie",charset="utf8")
上面这行代码中申明了数据库是doubanmovie,能这么写的前提是你已经提前创建了这个名为doubanmovie的数据库,否则。。。崩。。报错,别问我是怎么知道的。
好了,数据库的创建问题已经解决,那么接下来就是数据表的创建了。代码很简单,我轻轻松松的就写出来了(傲娇脸)
cursor.execute("create table movie(name text, star text, quote text, info text)")
但就是这么简单的语句也有很多坑。这并不是说这个语句有错,而是它对后面程序的调试很麻烦。因为这个语句执行一次后,如果再执行显然就会报错。你问为什么?因为已经存在名为==movie==的数据表了啊。所以我为了测试数据,就得反反复复的把这个语句注释掉。
后来google,百度查了一下,得到了下面的解决办法,加上"if not exists"就可以啦。代码如下:
cursor.execute("create table if not exists movie(name text, star text, quote text, info text)")
具体为什么就不解释了,实在不明白就百度翻译一下,因为太显而易见了~~~
- BUG 3
第三个bug就是数据插入操作。 这是浪费时间最长的过程,中途差点想放弃了,不过幸好坚持住了~~ 具体的原因牵扯到代码,源头很长就不解释了,不过有兴趣的可以看看代码。
值得一提的是在这个过程中学到了一个很棒的用法(在牛人看来肯定很一般,但是这个办法确实解决了我的问题)。
就是插入语句,我们都知道插入语句是
insert into 表名(变量名 数据类型) values(......);
我要插入的内容存放在字典中,所以最开始的办法超级原始,但不知道为什么就是不行(明明逻辑是对的).废话不多说看栗子:
假如我的数据存放在==movies==列表(list)里,数据存放在字典(dict)里
movies = [
{
"name":"肖申克的救赎",
"star":"9.6",
"info":"电影介绍",
"quote":"电影名句"
},
{
....
}
]
数据处理,执行插入操作 为行文方便,代码有所简略
db = pymysql.connect(host="localhost",user="root",password="123456",db="doubanmovie",charset="utf8")
cursor = db.cursor()
for movie in sort_movies:
star = movie["star"]
name = movie["name"]
info = movie["info"]
quote = movie["quote"]
sql = "insert into movie(star,name,info,quote) values('%s', '%s', '%s', '%s');" % (star, name, info, quote)
try:
cursor.execute(sql)
db.commit()
print("数据插入成功\n*************\n")
except Exception as e:
raise e
db.close()
以前的原始方法是
sql = "insert into movie(star,name,info,quote) values(" + r'"' + star + r'","' + name + r'","'+ info + r'","'+ quote + r'",")'
经查stackoverflow,得到如下解决办法(上面代码中已呈现)
sql = "insert into movie(star,name,info,quote) values('%s', '%s', '%s', '%s');" % (star, name, info, quote)
这个可以很好的生成mysql执行语句。 stackoverflow的回答中有的人建议把上面代码中的 ==%== 改为 ==,==,具体啥原因参见stackoverflow Python MySQL Statement returning Error
还有得记得加上这行代码
db.commit()
往后版本希望扩展的功能:
- 将数据项增加“年份”,即电影的上映年份
- 电影数据分析
- 评分情况
- 前100名中各国家所占比例
- 各种电影类型所占比例
- 可视化数据
干巴爹!!!!!
当然如果有什么可以完善的也欢迎大家提出修改意见,希望与大家一起学习,进步
大家也可以在我的博客中给我留言哈,很高兴能和大家交流沟通