本篇文章使用python中的pymysql库连接MySQL数据库，并完成建表，数据写入和查询的过程。为了保证内容的完整性，我们将内容分为两个 阶段，***阶段简单介绍数据的爬取过程。看过之前爬虫文章的同学请直接忽略。第二阶段介绍将爬去的数据写入MySQL数据库的过程。

1，使用python抓取并提取数据

***阶段介绍数据爬取过程，首先导入所需的库文件，主要包括requests，re和pandas三个库。具体作用在注释中进行了说明，这里不再赘述。

#导入requests库(请求和页面抓取) import requests #导入正则库(从页面代码中提取信息) import re #导入科学计算库(拼表及各种分析汇总) import pandas as pd

设置爬取请求中的头文件信息。

#设置请求中头文件的信息 headers = {User-Agent:Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64  Safari/537.11, Accept:text/html;q=0.9,*/*;q=0.8, Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.3, Connection:close, Referer:https://www.baidu.com/ }

开始抓取数据，并查看抓取到的网页内容。这里我们所需要的数据还在页面源码中，需要使用正则表达式进行提取。

#抓取并保存页面信息 r=requests.get(http://www.p2peye.com/shuju/ptsj/,headers=headers) html=r.content #对抓取的页面进行编码 html=str(html, encoding = "GBK") #查看抓取的页面源码 html 

使正则表达式从抓取到的网页源码中提取所需数据。这里我们一共提取9个字段。

#使用正则提取title字段信息 title=re.findall(r"return false".*?title="(.*?)",html) #使用正则提取total字段信息 total=re.findall(r"total">(.*?)万<,html) #使用正则提取rate字段信息 rate=re.findall(r"rate">(.*?)<,html) #使用正则提取pnum字段信息 pnum=re.findall(r"pnum">(.*?)人<,html) #使用正则提取cycle字段信息 cycle=re.findall(r"cycle">(.*?)月<,html) #使用正则提取plnum字段信息 p1num=re.findall(r"p1num">(.*?)人<,html) #使用正则提取fuload字段信息 fuload=re.findall(r"fuload">(.*?)分钟<,html) #使用正则提取alltotal字段信息 alltotal=re.findall(r"alltotal">(.*?)万<,html) #使用正则提取captial字段信息 capital=re.findall(r"capital">(.*?)万<,html)

查看其中一个字段的信息，这里我们查看平台名称title的提取结果。

#查看title字段信息 title 

到这里***阶段的数据爬取工作完成了，现在我们有9个字段的数据，在下一阶段中我们将连接MySQL数据库，并将这9个字段的数据写到数据库里。

2，连接MySQL数据库写入并读取数据

在第二阶段，我们使用python的pymysql库连接MySQL数据库。如果你是***次使用这个库需要先通过pip install pymysql进行安装，然后导入pymysql库文件。

#导入pymysql库 import pymysql 

首先连接MySQL数据库，这里需要输入数据库的ip地址，用户名，密码，数据库名称，端口号等信息。我在这里只简单些了ip地址，用户名和数据库名称。每个参数的内容请按你数据库的实际信息进行填写。

#打开数据库连接 db = pymysql.connect("192.168.0.1","root","","shuju_test" )

使用 cursor()创建一个游标对象

# 使用 cursor() 方法创建一个游标对象 cursor cursor = db.cursor() 

在数据库中创建一个包含9个字段的数据表，用于写入数据。这里具体分为两步，***步写出创建数据表的SQL语句。第二步使用execute()执行SQL语句

#创建一个表 sql1 = "CREATE TABLE wdty7( title varchar(255), total varchar(255), rate varchar(255), people_num varchar(255), cycle  varchar(255), people_lend_num varchar(255), full_load varchar(255), all_total varchar(255), capital varchar(255)) " # 使用 execute() 方法执行 SQL 语句 cursor.execute(sql1)

创建完数据表后，开始写入数据，这里我们使用for循环向数据表中逐条写入9个字段的数据。

#向表中创建新的记录 for i in range(len(title)): sql="INSERT INTO `wdty6`(`title`, `total`, `rate`, `people_num`, `cycle`, `people_lend_num`, `full_load`, `all_total`,  `capital`)VALUES ( %s, %s, %s, %s, %s, %s, %s, %s, %s);" values=(title[i].encode("utf-7").decode("latin1"),total[i],rate[i],pnum[i],cycle[i],p1num[i],fuload[i],alltotal  [i],capital[i]) cursor.execute(sql,values) db.commit()

创建一个查询语句并使用execute()方法执行查询。

#设置查询语句 sql1="SELECT * FROM wdty6 where cycle>0.6;" # 使用 execute() 方法执行 SQL 查询  cursor.execute(sql1) 

使用fetchall()获取刚才写入的所有9个字段的数据，并保存在data中。

#使用fetchall()方法获取所有数据 data = cursor.fetchall() 

将data中的数据转为pandas的DataFrame格式。

#将获取数据 import pandas as pd columns=["title", "total", "rate", "people_num", "cycle", "people_lend_num", "full_load", "all_total", "capital"] df = pd.DataFrame(list(data),columns=columns)

查看从数据库中提取的数据，这里有个问题，平台名称title字段中的中文在写入数据库后变成了乱码，应该是编码转换的问题。目前还没有找到解决办法。如有知道解决办法的朋友请赐教。

#查看数据表  df.head() 

***，完成所有操作后关闭数据库的连接。

# 关闭数据库连接 db.close()