这是一个豆瓣图书爬取项目,将图书的相关信息爬取到Excel文件中,
然后再链接MySQL数据库,将爬取到的数据存入数据库中。
1. 爬取数据
主要爬取了数学、计算机、python、旅行、教育这5个类别的书籍数据(每个类别爬取了5页数据),
每一组书籍数据包括:序号,书名,评分,评价人数,作者,出版社这几个属性。
可以看到在爬取的过程之中,会有请求失败的情况,因为频繁的网页请求访问很有可能会被限制
2. 数据存储
在爬取了相关数据后,在当前目录下生成了一个Excel表格
并且在Excel文件中生成了对应的5个工作表
每个工作表对应的数据就是我们所爬取的原始数据。
3. 数据入库
对于生成的原始数据,在进行相关的过滤和处理之后,将其导入到数据库中,以便后续进行操作。
从下图可以看出,我们新建了一个数据库DoubanSpider,然后建立了相关的数据表
在python对MySQL的操作中,需要注意的是字符集的问题,这里我们使用UTF-8
添加完成后可以直接查看是否添加正确
@Author:Freator Tang
@Email:[email protected]