吴裕雄--天生自然python数据清洗与数据可视化：MYSQL、MongoDB数据库连接与查询、爬取天猫连衣裙数据保存到MongoDB

本博文使用的数据库是MySQL和MongoDB数据库。安装MySQL可以参照我的这篇博文：https://www.cnblogs.com/tszr/p/12112777.html

其中操作Mysql使用到的python模块是pymysql,下面是有关这个模块的使用说明：

创建一个数据库test

create DATABASE taobao;

下面将要安装一个navicat for mysql这样的软件，下载链接：https://www.pcsoft.com.cn/soft/20832.html?t=1523022368482

Navicat for MySQL功能：

1.Navicat for MySQL支持创建工具或编辑器数据模型工具

2.支持数据传输/导入/导出、数据或结构同步等

3.Navicat for MySQL支持查询参数

4.Navicat for MySQL支持SSH密钥等

5.界面设计直观简洁，兼容性强

6.专业：适合专业人士，也非常适合入门新手使用

下面开始安装这个软件：

Navicat for MySQL使用方法

1、打开安装好的Navicat for MySQL，打开软件后，点击【连接】选项

下面是将sale_data.txt这份文件的数据导入到MySQL taobao数据库中

可以看到数据已经成功导入到数据库里面了。

下面修改数据库ID这个字段，修改为可以自动增加的。

选中左边数据表 鼠标右键选择：设计表就可以出现上面的这个界面了。修改后记得要保存。

接下来就可以使用代码来操作数据库了。

import pymysql

#连接数据库
db = pymysql.Connect(host="localhost",port=3306,user="root",password="admin",db="taobao",charset="utf8")
print("连接成功！")

#查询商品在江、浙、沪的销量
#获取游标
cursor = db.cursor()
#执行SQL语句进行查询
sql = "SELECT * FROM sale_data where 位置 IN (%s,%s,%s)"
cursor.execute(sql,("江苏","浙江","上海"))
#获取查询结果
result = cursor.fetchall()
for item in result:
    print(item)

#删除价格低于100的商品
sql = "delete from sale_data where 价格<100"
cursor.execute(sql)
#没有设置默认自动提交，所以这里需要主动提交，以保存执行后的结果在数据库
db.commit()
print("删除成功！")

#把位置是江苏、浙江、上海的统一修改为：江浙沪，代码如下：
sql = "update sale_data set 位置 = %s where 位置 in (%s,%s,%s)"
cursor.execute(sql,("江浙沪","江苏","浙江","上海"))
db.commit()
print("修改成功！")

#添加一条新的销售记录
sql = "insert into sale_data(宝贝,价格,成交量,卖家,位置) values (%s,%s,%s,%s,%s)"
cursor.execute(sql,("2017夏季连衣裙",223,1897,"XX天猫","乌鲁木齐"))
db.commit()
print("添加成功！")

#关闭数据库连接
cursor.close()
db.close()

使用SQLAlchemy库

SQLAlchemy的基本语法：

新建一个person表

CREATE TABLE IF NOT EXISTS person (ID int PRIMARY KEY AUTO_INCREMENT,name varchar(10) not null,age int not null);

可以看到person表已经成功创建了。

然后写代码。

from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import create_engine,Column,Integer,String

DIALCT = "mysql"
DRIVER = "pymysql"
USERNAME = "root"
PASSWORD = "admin"
HOST = "127.0.0.1"
PORT = ""
DATABASE = "taobao"

DB_URI="{}+{}://{}:{}@{}:{}/{}?charset=utf8".format(DIALCT,DRIVER,USERNAME,PASSWORD,HOST,PORT,DATABASE)
engine = create_engine(DB_URI)
Base = declarative_base(engine)
# 创建session 会话对象
session = sessionmaker(engine)()

class Person(Base):
    __tablename__ = "person"
    ID = Column(Integer,primary_key=True,autoincrement=True)
    name = Column(String(10),nullable=False)
    age = Column(Integer,nullable=False)
    #定义__repr__方法：将对象的属性方法打印成一个可读字符串
    def __repr__(self):
        return "ID:%s,name:%s,age:%s," % (self.ID,self.name,self.age)

# 添加数据
def add_data():
    # 向表中添加一条数据
    person = Person(name="jack",age=20)
    session.add(person)
    #  添加数据后、数据保存到电脑内存上，并没有添加到数据库中，需使用 session.commit() 方法将数据提交到数据库中。
    session.commit()
add_data()

然后运行代码。

可以看到已经成功添加进入这条记录了。

再建立一张Product表：

CREATE TABLE IF NOT EXISTS Product (ID int PRIMARY KEY AUTO_INCREMENT,name varchar(20) not null);

from sqlalchemy.orm import sessionmaker
from sqlalchemy import Column,String,create_engine
from sqlalchemy.ext.declarative import declarative_base

#创建对象的基类
Base = declarative_base()
#定义Product对象
class Product(Base):
    #表名称
    __tablename__ = "Product"
    #表结构
    ID = Column(String(20),primary_key = True)
    name = Column(String(20))
    #定义__repr__方法：将对象的属性方法打印成一个可读字符串
    def __repr__(self):
        return "ID:%s,name:%s,age:%s," % (self.ID,self.name)

#初始化数据库连接
engine = create_engine("mysql+pymysql://root:admin@localhost:3306/taobao")
#创建DBSession类型
DBSession = sessionmaker(bind=engine)
#创建session对象,DBSession对象可视为当前数据库的连接
session = DBSession()
#创建新Product对象
new_user = Product(ID="",name="豪华餐厅")
#添加到session
session.add(new_user)
#提交即保存到数据库中
session.commit()

可以看到已经成功把数据添加到数据库了。

#从数据库表中查询数据
#创建Query查询，filter是where条件，最后调用one（）返回唯一一行，如果调用all()则返回所有行
student = session.query(Product).filter(Product.ID=='').one()
#打印对象的name,class.name属性
print('name:',student.name)

#在数据库表中更新数据
session.query(Product).filter(Product.ID=='').update({Product.name:'北京100天*行'})
session.commit()
print('修改成功')

#查询并删除数据
session.query(Product).filter(Product.ID=='').delete()
session.commit()
print('删除成功')
#最后关闭Session
session.close()

再回到person表的操作：

# 向表中添加多条数据（如需添加多条数据、只需使用add_all方法将多条数据添加到一个列表即可）　
person1 = Person(name = "blue" , age = 30)
person2 = Person(name = "tom" , age = 23)
session.add_all([person1,person2])
session.commit()
print("添加成功")

#查询数据
def select_data():
    # 查询表中所有数据
    results = session.query(Person).all()
    for r in results:
        print(r)

select_data()

# 查询表中第一条数据
first = session.query(Person).first()
print(first)

# 查询表中name为tom的第一条数据
result = session.query(Person).filter_by(name = "tom").first()
print(result)

# 查询表中年龄大于20的数据（结果为list，故用for循环遍历）
results = session.query(Person).filter(Person.age > 20).all()
for r in results:
    print(r)

# filter: 多用于简单查询,filter_by:用于复杂查询，使用filter_by作为查询过滤条件时，需在前面添加对象名，如Person.age

#修改数据
def update_date():
    # 查询表中第一条数据，将其姓名修改为 tlj
    result = session.query(Person).first()
    result.name = "tlj"
    session.commit()
    print(result)

update_date()

#删除数据
def del_data():
    result = session.query(Person).first()
    session.delete(result)
    session.commit()
    print("删除成功")

del_data()

下面是有关MongoDB数据库的操作。

相关的安装过程请参考我的这篇博文：https://www.cnblogs.com/tszr/p/12192354.html

下面是基本语法的使用：

#加载库
import pymongo

#建立连接
client = pymongo.MongoClient("localhost",27017)
#新建数据库
db = client["db_name"]
#新建表
table = db["table_name"]
#写入数据
table.insert({"key1":"一","key2":"二"})
#删除数据
table.remove({"key1":"一"})
#修改数据
table.update({"key2":"二"},{"$set":{"key2":"二","key5":"五"}})
#查询数据
table.find({"key5":""})

下面是爬取天猫连衣裙数据保存到MongoDB

#在某电商网站搜索连衣裙的商品数据，并把第一页商品数据抓取下来保存到MongoDB中
import pymongo
import requests

client = pymongo.MongoClient("localhost",271017)
#新建数据库
taobao = client["taobao"]
#新建表
search_result = taobao["search_result"]
#爬取某电商网站商品数据
url = "https://list.tmall.com/search_product.htm?q=%C1%AC%D2%C2%C8%B9&type=p&vmarket=&spm=a2156.1676643.a2227oh.d100&from=mallfp..pc_1_searchbutton"
strhtml=requests.get(url)

#转变数据类型
strhtm = strhtml.text
#导入re库
import re

#查找所有月成交量
ycjl = re.findall('<span>月成交 <em>(.*?)</em></span>',strhtm)
print(ycjl)

#找出所有商品的价格
price = re.findall('<em title="(.*?)"><b>&yen;</b>(.*?)</em>',strhtm)
list_price = []
for item in price:
    list_price.append(item[0])
print(list_price)

#保存所有的商品名称
a = "<a (.*?) >\n(.*?)\n</a>"
b = re.findall(a,strhtm)
c = dict(b)
name = []
for i in c:
    name.append(c[i])
numb = min(len(name),len(list_price),len(ycjl))
for i in range(0,numb):
    json_data = {
        'name':name[i],
        'price':list_price[i],
        'ycjl':ycjl[i]
    }
    print(json_data)
    #写入数据
    search_result.insert(json_data)