数据库存储

关系型数据库是爬虫应用的一种重要数据存储介质。这是因为关系型数据库不仅仅可以用于存储大量的数据，而且可以快速进行数据检索。这里介绍3种关系型数据库：
1.SQLite:是桌面关系型数据库
2.MySQL：是网络关系型数据库
3.MongoDB：是非关系型数据库

一.SQLite数据库

SQLite是一个开源、小巧、零配置的关系型数据库，支持多种平台，包括Windows、Mac OSX,Linux,Android、iOS等。
这是SQLite的官网

1.1DB Browser for SQLite

这是一款跨平台的SQLite数据库管理工具
网址http://sqlitebrowser.org
进入官网后，选择对应的版本下载即可
DB Browser for SQLite在操作上非常简便。

1.2用Python操作SQLite数据库

通过sqlit3模块提供的函数可以操作SQLite数据库，sqlite3是python内置的，不需要下载安装。
sqlit3模块在对数据进行增、删、改、查以及其他操作之前，
要先使用connect函数打开SQLite数据库，通过该函数的参数指定SQLite数据库的文件名。
打开数据库后，通过cursor方法获取sqlite3.Cursor对象，然后通过sqlite3.Cursor对象的execute方法执行各种SQL语句，如创建表、创建视图、删除记录、插入记录、查询记录等。如果执行的是SQL语句(SELECT语句)，那么execute方法会返回sqlite3.Cursor对象,需要对该对象进行迭代，才能获取查询结果的值。

import sqlite3
import os
dbPath = 'data.sqlite'
# 只有data.sqlite文件不存在时才创建该文件
if not os.path.exists(dbPath):
    # 创建SQLite数据库
    conn = sqlite3.connect(dbPath)
    # 获取sqlite3.Cursor对象
    c = conn.cursor()
    # 创建persons表
    c.execute('''CREATE TABLE persons
     (id INT PRIMARY KEY     NOT NULL,
      name           TEXT    NOT NULL,
      age            INT     NOT NULL,
      address        CHAR(50),
      salary         REAL);''')
    # 修改数据库后必须调用commit方法提交才能生效
    conn.commit()
    # 关闭数据库连接
    conn.close()
    print('创建数据库成功')
conn = sqlite3.connect(dbPath)
c = conn.cursor()
# 删除persons表中的所有数据
c.execute('delete from persons')
# 下面的4条语句向persons表中插入4条记录
c.execute("INSERT INTO persons (id,name,age,address,salary) \
      VALUES (1, 'Paul', 32, 'California', 20000.00 )");
c.execute("INSERT INTO persons (id,name,age,address,salary) \
      VALUES (2, 'Allen', 25, 'Texas', 15000.00 )");

c.execute("INSERT INTO persons (id,name,age,address,salary) \
      VALUES (3, 'Teddy', 23, 'Norway', 20000.00 )");

c.execute("INSERT INTO persons (id,name,age,address,salary) \
VALUES (4, 'Mark', 25, 'Rich-Mond ', 65000.00 )");
# 必须提交修改才能生效
conn.commit()
print('插入数据成功')
# 查询persons表中的所有记录，并按age升序排列
persons = c.execute("select name,age,address,salary from persons order by age")
print(type(persons)) # <class 'list'>
result = []
# 将sqlite3.Cursor对象中的数据转换为列表形式
for person in persons:
    value = {}
    value['name'] = person[0]
    value['age'] = person[1]
    value['address'] = person[2]
    result.append(value) # 将多个字典加入列表
conn.close()
print(type(result))
# 输出查询结果
print(result) # 返回列表包含多个字典

import json
# 将查询结果转换为字符串形式，如果要将数据通过网络传输，就需要首先转换为字符串形式才能传输
resultStr = json.dumps(result)
print(type(resultStr))
print(resultStr)

二.MySQL数据库

MySQL是一个功能强大的网络关系型数据库，支持通过网络多人同时连接和操作数据库。

2.1安装数据库

1.在windows下安装
MySQL下载连接https://dev.mysql.com/downloads/installer
单击第二个Download按钮，下载MySQL的安装程序。然后执行这个安装程序。
在安装的过程种，会要求输入MySQL的root用户名的密码，输入后按提示操作即可完成安装。
安装完成后，打开Windows的计算机管理种的服务列表，如果看到名为MySQL80的服务已经启动，说明MySQL已经安装成功。
2.linux下安装(待补：用的较少)

2.2在Python种使用MySQL

采用pymysql包来操作mysql数据库

pip install pymysql

其中pymysql模块遵循Python DB API 2.0标准
绝大多数的数据库的操作如下：
1.connect函数：连接数据库，根据连接的数据库类型不同，该函数的参数也不同。connect函数返回Connection对象
2.cursor方法：获取操作数据库的Cursor对象。cursor方法属于Connection对象
3.execute方法：用于执行SQL语句，该方法属于Cursor对象
4.commit方法：在修改数据库后，需要调用该方法提交对数据库的修改，commit方法属于Cursor对象。
5.roolback方法：如果修改数据库失败，一般需要调用该方法进行数据库回滚，也就是将数据库恢复成之前的样子
本例通过调用pymysql模块中的对应API对MySQL数据库进行增删改查操作

from pymysql import *
import json


# 打开MySQL数据库，其中127.0.0.1是MySQL服务器的IP，root是用户名，12345678是密码
# test是数据库名
def connectDB():
    db = connect("127.0.0.1", "root", "12345678", "test", charset='utf8')
    return db


db = connectDB()


# 创建persons表
def createTable(db):
    # 获取Cursor对象
    cursor = db.cursor()
    sql = '''CREATE TABLE persons
       (id INT PRIMARY KEY     NOT NULL,
       name           TEXT    NOT NULL,
       age            INT     NOT NULL,
       address        CHAR(50),
       salary         REAL);'''

    try:
        # 执行创建表的SQL语句
        cursor.execute(sql)
        # 提交到数据库执行
        db.commit()
        return True
    except:
        # 如果发生错误则回滚
        db.rollback()
    return False


# 向persons表插入4条记录
def insertRecords(db):
    cursor = db.cursor()
    try:
        # 首先将以前插入的记录全部删除
        cursor.execute('DELETE FROM persons')
        # 下面的几条语句向persons表中插入4条记录
        cursor.execute("INSERT INTO persons (id,name,age,address,salary) \
              VALUES (1, 'Paul', 32, 'California', 20000.00 )");
        cursor.execute("INSERT INTO persons (id,name,age,address,salary) \
              VALUES (2, 'Allen', 25, 'Texas', 15000.00 )");

        cursor.execute("INSERT INTO persons (id,name,age,address,salary) \
              VALUES (3, 'Teddy', 23, 'Norway', 20000.00 )");

        cursor.execute("INSERT INTO persons (id,name,age,address,salary) \
              VALUES (4, 'Mark', 25, 'Rich-Mond ', 65000.00 )");
        # 提交到数据库执行
        db.commit()
        return True
    except Exception as e:
        print(e)
        # 如果发生错误则回滚
        db.rollback()
    return False


# 查询persons表中全部的记录，并按age字段降序排列
def selectRecords(db):
    cursor = db.cursor()
    sql = 'SELECT name,age,salary FROM persons ORDER BY age DESC'
    cursor.execute(sql)
    # 调用fetchall方法获取全部的记录
    results = cursor.fetchall()
    # 输出查询结果
    print(results)
    # 下面的代码将查询结果重新组织成其他形式
    fields = ['name', 'age', 'salary']
    records = []
    for row in results:
        records.append(dict(zip(fields, row)))
    return json.dumps(records)

if createTable(db):
    print('成功创建persons表')
else:
    print('persons表已经存在')

if insertRecords(db):
    print('成功插入记录')
else:
    print('插入记录失败')
print(selectRecords(db))
db.close()

三.非关系型数据库

关系型数据库，数据以二维表形式存储，不过还存在另外一种数据库，这就是非关系型数据库，也可以称为NoSQL.
非关系型数据库主要包括对象数据库、建一值数据库、文档数据库、图像数据库、表格数据库等。本例主要介绍文档数据库MongoDB

3.1文档数据库MongoDB

例如：
如果要保存博客和相关的评论，使用关系型数据库，需要至少建立两个表:t_blogs和t_comments。前者用于保存博文，后者用于保存与博文相关的评论，然后通过键值将两个表关联，t_blogs和t_comments通常是一对多关系。但如果关系更加复杂，就需要关联更多的表，而如果使用MongDB就可以直接将博文以及该博文下的所有评论都放在一个文档中存储，也就是将相关的数据都放到一起，无需关联，查询的速度也就更快了。

3.2下载MongoDB

社区版本

3.3pymongo

下载

pip install pymongo

在python语言中，文档主要是指列表和字典。Mongodb数据库中没有数据库和表的概念，所以python操作的mongodb存储的的都是列表和字典数据
连接MongDB数据库需要创建MongClient类的实例，连接MongoDB数据库后，就可以按文档的方式操作数据库了
本例使用pymongo模块中提供的API操作MongoDB数据库的过程

from pymongo import *

# 连接MongoDB数据库
Client = MongoClient()
# 打开或创建名为data的collection，collection相当于关系型数据库中的数据库
# 在MongoDB中，collection是文档的集合
db = Client.data
# 或者使用类似引用字典值的方式打开或创建collection
# db = Client['data']

# 定义要插入的文档（字典）
person1 = {"name": "Bill", "age": 55, "address": "地球", "salary": 1234.0}
person2 = {"name": "Mike", "age": 12, "address": "火星", "salary": 434.0}
person3 = {"name": "John", "age": 43, "address": "月球", "salary": 6543.0}
# 创建或打开一个名为persons的文档，persons相当于关系型数据库中的表
persons = db.persons
# 先删除persons文档中的所有数据，以免多次运行程序导致文档中有大量重复的数据
persons.delete_many({'age': {'$gt': 0}})

# 使用insert_one方法插入文档
personId1 = persons.insert_one(person1).inserted_id
personId2 = persons.insert_one(person2).inserted_id
personId3 = persons.insert_one(person3).inserted_id
print(personId3)
'''
也可以使用insert_many方法一次插入多个文档
personList = [person1,person2,person3]
result = persons.insert_many(personList)
print(result.inserted_ids)
'''
# 搜索persons文档中的第一条子文档，相当于关系型数据库中的记录
print(persons.find_one())
print(persons.find_one()['name'])
# 搜索所有数据
for person in persons.find():
    print(person)
print('--------------')
# 更新第1个满足条件的文档中的数据，使用update_many方法可以更新所有满足条件的文档
persons.update_one({'age': {'$lt': 50}}, {'$set': {'name': '超人'}})  #
# persons.delete_one({'age':{'$gt':0}})  # 只删除满足条件的第1个文档
# 搜索所有满足age小于50的文档
for person in persons.find({'age': {'$lt': 50}}):
    print(person)

print('--------------')
# 搜索所有满足age大于50的文档
for person in persons.find({'age': {'$gt': 50}}):
    print(person)
# 输出persons中的文档总数
print('总数', '=', persons.count())