1、SQlite
import sqlite3
conn = sqlite3.connect("test.db") #打开或创建数据库文件
print("已成功打开数据库")在插件里搜索：database，下载并安装
新建数据库
import sqlite3
conn = sqlite3.connect("test.db") #打开或创建数据库文件
print("已成功打开数据库")
c = conn.cursor() # 获取游标
sql = '''
create table company
(id int primary key not null,
name text not null,
age int not null,
address char(50),
salary real);
'''
c.execute(sql) # 执行sql语句
conn.commit() # 提交数据库操作
conn.close() # 关闭数据库连接
print("建表成功")问题1：sqlite3.OperationalError: database is locked
sqlite文件只能一写多读，如果有其他线程打开数据的话，就会报错。
解决方案：重新打开pycharm……我觉得这样很蠢，不知道有没有更好的方案
问题2：
sqlite3.IntegrityError: UNIQUE constraint failed: company.id
数据在保存的时候出现了相同的数据或有相同的ID
解决方案：删除表内同名数据和ID
插入数据
import sqlite3
conn = sqlite3.connect("test.db") #打开或创建数据库文件
print("已成功打开数据库")
c = conn.cursor() # 获取游标
sql1 = '''
insert into company(id,name,age,address,salary)
values(2,'333hhh',32,'beijing',8000);
'''
sql2 = '''
insert into company(id,name,age,address,salary)
values(3,'333hhh',32,'beijing',8000);
'''
c.execute(sql1) # 执行sql语句
c.execute(sql2) # 执行sql语句
conn.commit() # 提交数据库操作
conn.close() # 关闭数据库连接
print("建表成功")
print("插入数据完毕")查询数据
import sqlite3
conn = sqlite3.connect("test.db") #打开或创建数据库文件
print("已成功打开数据库")
c = conn.cursor() # 获取游标
sql = '''
select id,name,address,salary from company
'''
cursor = c.execute(sql)
for row in cursor:
print("id = ",row[0])
print("name = ", row[1])
print("address = ", row[2])
print("salary = ", row[3] ,"\n")
conn.close() # 关闭数据库连接
print("查询完毕")
from bs4 import BeautifulSoup
import urllib.request
import urllib.error
import re
import xlwt
import sqlite3
def main():
baseurl = "https://movie.douban.com/top250?start="
# 1.爬取网页
datalist = getData(baseurl)
# savepath = "豆瓣电影top250.xls"
dbpath = "movie.db"
# 3.保存数据
# savedata(datalist, savepath)
savedata2(datalist, dbpath)
# 影片详情链接的规则
findLink = re.compile(r'<a href="(.*?)">') # 创建正则表达式对象，表示规则（字符串的模式）
# 影片图片
findImgSrc = re.compile(r'<img.*src="(.*?)"', re.S) # re.S 让换行符包含在字符中
# 影片片名
findTitle = re.compile(r'<span class="title">(.*)</span>')
# 影片评分
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
# 找到评价人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
# 找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')
# 找到影片的相关内容
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)
# 爬取网页
def getData(baseurl):
datalist = []
for i in range(0, 10): # 调用获取页面信息的函数，10次
url = baseurl + str(i * 25)
html = askurl(url) # 保存获取到的网页源码
# 2.逐一解析数据
soup = BeautifulSoup(html, "html.parser")
for item in soup.find_all('div', class_="item"): # 查找符合要求的字符串，形成列表
# print(item) #测试：查看电影item全部信息
data = [] # 保存一部电影的所有信息
item = str(item)
# 影片详情的链接
link = re.findall(findLink, item)[0] # re库用来通过正则表达式查找指定的字符串
data.append(link) # 添加链接
imgSrc = re.findall(findImgSrc, item)[0]
data.append(imgSrc) # 添加图片
titles = re.findall(findTitle, item) # 片名可能只有一个中文名，没有外国名
if (len(titles) == 2):
ctitle = titles[0] # 添加中文名
data.append(ctitle)
otitle = titles[1].replace("/", "") # 去掉无关的符号
data.append(otitle) # 添加外国名
else:
data.append(titles[0])
data.append(' ') # 外国名字留空
rating = re.findall(findRating, item)[0]
data.append(rating) # 添加评分
judgeNum = re.findall(findJudge, item)[0]
data.append(judgeNum) # 提加评价人数
inq = re.findall(findInq, item)
if len(inq) != 0:
inq = inq[0].replace("。", "") # 去掉句号
data.append(inq) # 添加概述
else:
data.append(" ") # 留空
bd = re.findall(findBd, item)[0]
bd = re.sub('<br(\s+)?/>(\s+)?', " ", bd) # 去掉<br/>
bd = re.sub('/', " ", bd) # 替换/
data.append(bd.strip()) # 去掉前后的空格
datalist.append(data) # 把处理好的一部电影信息放入datalist
return datalist
# 得到指定一个URL的网页信息
def askurl(url):
# 模拟浏览器头部信息，向豆瓣服务器发送消息
head = {
# 用户代理，告诉网站服务器，我们是什么类型的机器、浏览器（本质上告诉浏览器，我们可以接收什么水平的文件）
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 11_2_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.192 Safari/537.36"}
request = urllib.request.Request(url, headers=head)
html = ""
try:
response = urllib.request.urlopen(request)
html = response.read().decode('utf-8')
# print(html)
except urllib.error.URLError as e:
if hasattr(e, 'code'):
print(e.code)
if hasattr(e, 'reason'):
print(e.reason)
return html
# 3.保存数据
# def savedata(datalist, savepath):
#
# book = xlwt.Workbook(encoding="utf-8", style_compression=0) # 创建workbook对象
# sheet = book.add_sheet("豆瓣电影TOP250", cell_overwrite_ok=True) # 创建工作表
# col = ("电影名称", "原名", "其他译名", "网页地址", "海报图片", "电影信息", "评分", "概述", "打分人数")
# for i in range(0, 8):
# sheet.write(0, i, col[i])
# for i in range(0, 250):
# print("第%d条" % (i + 1))
# data = datalist[i]
# for j in range(0, 8):
# sheet.write(i + 1, j, data[j])
#
# book.save(savepath)
def savedata2(datalist, dbpath):
init_db(dbpath)
conn = sqlite3.connect(dbpath)
cur = conn.cursor()
for data in datalist:
for index in range(len(data)):
if index == 4 or index == 5:
continue
data[index] = '"' + data[index] + '"'
sql = '''
insert into movie250 (
info_link,pic_link,cname,ename,score,rated,introduction,info)
values(%s)''' % ",".join(data)
cur.execute(sql)
conn.commit()
cur.close()
conn.close()
def init_db(dbpath):
sql = '''
create table movie250
(
id integer primary key autoincrement,
info_link text,
pic_link text,
cname varchar,
ename varchar,
score numeric ,
rated numeric ,
introduction text,
info text
)
''' # 创建数据表
conn = sqlite3.connect(dbpath)
cursor = conn.cursor()
cursor.execute(sql)
conn.commit()
conn.close()
if __name__ == "__main__":
main()
# init_db("movietest.db")
print("爬取完毕")
到这步就是比较完整的爬虫程序了，跑起来的话，可以完整的爬取豆瓣电影TOP250的信息。
在编写的过程中出现过几次错误：
- sqlite3.OperationalError: 1 values for 8 columns
这是在143行，在%s的前后加了”。
- has no column named introduction
拼写错误
- sqlite3.OperationalError: near “希望让人自由。”: syntax error
这个错误让我头痛了最长时间，到最后是把老师的原码扒下来一对一的对照着看。
到最后我都不知道是哪里出错了（因为涉及爬虫，不能无限试验，事实上，现在我的IP已经被豆瓣给封了（苦涩））。
不过我猜测应该跟正则表达式有关，应该是哪个地方写错了，导致出现语法不对的情况。
=====================================================================
这次距离上次学习应该隔了有一个星期，上个星期里又考驾照（终于拿到本了，哦也！）又搬家，忙坏了。结果回来之后看自己写的代码，这是啥？这又是啥？啥啥啥么这都是。
这就让我想起演艺界那句老话：一天不练自己知道，十天不练同行知道，一个月不练观众知道。
我这一个星期不练，感觉自己跟弱智就差一根棒槌了。
赶紧补课补回来吧。
胭惜雨
2021年03月15日