分布式爬蟲處理Redis里的數據操作步驟

2020-03-17 12:34:48

字體：大中小

來源：轉載

供稿：網友

存入MongoDB

1.啟動MongoDB數據庫：sudo mongod

2.執行下面程序：py2 process_youyuan_mongodb.py

# process_youyuan_mongodb.py# -*- coding: utf-8 -*-import jsonimport redisimport pymongodef main(): # 指定Redis數據庫信息 rediscli = redis.StrictRedis(host='192.168.199.108', port=6379, db=0) # 指定MongoDB數據庫信息 mongocli = pymongo.MongoClient(host='localhost', port=27017) # 創建數據庫名 db = mongocli['youyuan'] # 創建表名 sheet = db['beijing_18_25'] while True: # FIFO模式為 blpop，LIFO模式為 brpop，獲取鍵值 source, data = rediscli.blpop(["youyuan:items"]) item = json.loads(data) sheet.insert(item) try:  print u"Processing: %(name)s <%(link)s>" % item except KeyError:  print u"Error procesing: %r" % itemif __name__ == '__main__': main()

分布式,爬蟲,redis,數據

存入 MySQL

1.啟動mysql：mysql.server start（更平臺不一樣）

2.登錄到root用戶：mysql -uroot -p

3.創建數據庫youyuan:create database youyuan;

4.切換到指定數據庫：use youyuan

5.創建表beijing_18_25以及所有字段的列名和數據類型。

分布式,爬蟲,redis,數據

6.執行下面程序：py2 process_youyuan_mysql.py

#process_youyuan_mysql.py# -*- coding: utf-8 -*-import jsonimport redisimport MySQLdbdef main(): # 指定redis數據庫信息 rediscli = redis.StrictRedis(host='192.168.199.108', port = 6379, db = 0) # 指定mysql數據庫 mysqlcli = MySQLdb.connect(host='127.0.0.1', user='power', passwd='xxxxxxx', db = 'youyuan', port=3306, use_unicode=True) while True: # FIFO模式為 blpop，LIFO模式為 brpop，獲取鍵值 source, data = rediscli.blpop(["youyuan:items"]) item = json.loads(data) try:  # 使用cursor()方法獲取操作游標  cur = mysqlcli.cursor()  # 使用execute方法執行SQL INSERT語句  cur.execute("INSERT INTO beijing_18_25 (username, crawled, age, spider, header_url, source, pic_urls, monologue, source_url) VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s )", [item['username'], item['crawled'], item['age'], item['spider'], item['header_url'], item['source'], item['pic_urls'], item['monologue'], item['source_url']])  # 提交sql事務  mysqlcli.commit()  #關閉本次操作  cur.close()  print "inserted %s" % item['source_url'] except MySQLdb.Error,e:  print "Mysql Error %d: %s" % (e.args[0], e.args[1])if __name__ == '__main__': main()

分布式,爬蟲,redis,數據