分布式爬虫处理Redis里的数据操作步骤

2020-03-17 12:34:48

字体：大中小

来源：转载

供稿：网友

存入MongoDB

1.启动MongoDB数据库：sudo mongod

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

# process_youyuan_mongodb.py# -*- coding: utf-8 -*-import jsonimport redisimport pymongodef main(): # 指定Redis数据库信息 rediscli = redis.StrictRedis(host='192.168.199.108', port=6379, db=0) # 指定MongoDB数据库信息 mongocli = pymongo.MongoClient(host='localhost', port=27017) # 创建数据库名 db = mongocli['youyuan'] # 创建表名 sheet = db['beijing_18_25'] while True: # FIFO模式为 blpop，LIFO模式为 brpop，获取键值 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,爬虫,redis,数据

存入 MySQL

1.启动mysql：mysql.server start（更平台不一样）

2.登录到root用户：mysql -uroot -p

3.创建数据库youyuan:create database youyuan;

4.切换到指定数据库：use youyuan

5.创建表beijing_18_25以及所有字段的列名和数据类型。

分布式,爬虫,redis,数据

6.执行下面程序：py2 process_youyuan_mysql.py

#process_youyuan_mysql.py# -*- coding: utf-8 -*-import jsonimport redisimport MySQLdbdef main(): # 指定redis数据库信息 rediscli = redis.StrictRedis(host='192.168.199.108', port = 6379, db = 0) # 指定mysql数据库 mysqlcli = MySQLdb.connect(host='127.0.0.1', user='power', passwd='xxxxxxx', db = 'youyuan', port=3306, use_unicode=True) while True: # FIFO模式为 blpop，LIFO模式为 brpop，获取键值 source, data = rediscli.blpop(["youyuan:items"]) item = json.loads(data) try:  # 使用cursor()方法获取操作游标  cur = mysqlcli.cursor()  # 使用execute方法执行SQL INSERT语句  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事务  mysqlcli.commit()  #关闭本次操作  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,爬虫,redis,数据