Scrapy结合Mysql爬取天气预报入库

创建Scrapy工程：

scrapy startproject weather2

定义Items（items.py）：

import scrapy

class Weather2Item(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    weatherDate = scrapy.Field()
    weatherDate2 = scrapy.Field()
    weatherWea = scrapy.Field()
    weatherTem1 = scrapy.Field()
    weatherTem2 = scrapy.Field()
    weatherWin = scrapy.Field()

编写Spider（spiders/weatherSpider.py）：

import scrapy
from weather2.items import Weather2Item 

class CatchWeatherSpider(scrapy.Spider):
    name = 'CatchWeather2'
    allowed_domains = ['weather.com.cn']
    start_urls = [
        "http://www.weather.com.cn/weather/101280101.shtml"
    ]
    
    def parse(self, response):
        for sel in response.xpath('//*[@id="7d"]/ul/li'):
            item = Weather2Item()
            item['weatherDate'] = sel.xpath('h1/text()').extract() 
            item['weatherDate2'] = sel.xpath('h2/text()').extract()
            item['weatherWea'] = sel.xpath('p[@class="wea"]/text()').extract()
            item['weatherTem1'] = sel.xpath('p[@class="tem tem1"]/span/text()').extract() + sel.xpath('p[@class="tem tem1"]/i/text()').extract()
            item['weatherTem2'] = sel.xpath('p[@class="tem tem2"]/span/text()').extract() + sel.xpath('p[@class="tem tem2"]/i/text()').extract()
            item['weatherWin'] = sel.xpath('p[@class="win"]/i/text()').extract()
            yield item

• name:定义蜘蛛的名字。

• allowed_domains: 包含构成许可域的基础URL，供蜘蛛去爬。

• start_urls: 是一个URL列表，蜘蛛从这里开始爬。蜘蛛从start_urls中的URL下载数据，所有后续的URL将从这些数据中获取。

数据来源是http://www.weather.com.cn/weather/101280101.shtml，101280101是广州的城市编号

这里用到了xpath分析html，感觉好简单

测试运行：

scrapy crawl CatchWeather2

结果片断：

已经拿到我们想要的数据

创建数据库：

CREATE TABLE `yunweiApp_weather` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `weatherDate` varchar(10) DEFAULT NULL,
  `weatherDate2` varchar(10) NOT NULL,
  `weatherWea` varchar(10) NOT NULL,
  `weatherTem1` varchar(10) NOT NULL,
  `weatherTem2` varchar(10) NOT NULL,
  `weatherWin` varchar(10) NOT NULL,
  `updateTime` datetime NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8;

创建PipeLines（）：

import MySQLdb
import datetime

DEBUG = True

if DEBUG:
    dbuser = 'lihuipeng'
    dbpass = 'lihuipeng'
    dbname = 'game_main'
    dbhost = '192.168.1.100'
    dbport = '3306'
else:
    dbuser = 'root'
    dbpass = 'lihuipeng'
    dbname = 'game_main'
    dbhost = '127.0.0.1'
    dbport = '3306'
    
class MySQLStorePipeline(object):
    def __init__(self):
        self.conn = MySQLdb.connect(user=dbuser, passwd=dbpass, db=dbname, host=dbhost, charset="utf8", use_unicode=True)
        self.cursor = self.conn.cursor()
        #清空表：
        self.cursor.execute("truncate table yunweiApp_weather;")
        self.conn.commit() 
        
    def process_item(self, item, spider): 
        curTime =  datetime.datetime.now()  
        try:
            self.cursor.execute("""INSERT INTO yunweiApp_weather (weatherDate, weatherDate2, weatherWea, weatherTem1, weatherTem2, weatherWin, updateTime)  
                            VALUES (%s, %s, %s, %s, %s, %s, %s)""", 
                            (
                                item['weatherDate'][0].encode('utf-8'), 
                                item['weatherDate2'][0].encode('utf-8'),
                                item['weatherWea'][0].encode('utf-8'),
                                item['weatherTem1'][0].encode('utf-8'),
                                item['weatherTem2'][0].encode('utf-8'),
                                item['weatherWin'][0].encode('utf-8'),
                                curTime,
                            )
            )
    
            self.conn.commit()
    
    
        except MySQLdb.Error, e:
            print "Error %d: %s" % (e.args[0], e.args[1])
        return item

修改setting.py启用pipelines：

ITEM_PIPELINES = {
    #'weather2.pipelines.Weather2Pipeline': 300,
    'weather2.pipelines.MySQLStorePipeline': 400,
}

后面的数字只是一个权重，范围在0-1000内即可

重新测试运行：

scrapy crawl CatchWeather2

结果：

结合运维后台随便展示一下：

搞完收工~~