Django-Scrapy生成后端json接口的方法示例

更新時(shí)間：2020年10月06日 08:38:07 作者：歡迎來(lái)到xbhog博客

這篇文章主要介紹了Django-Scrapy生成后端json接口的方法示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

網(wǎng)上的關(guān)于django-scrapy的介紹比較少，該博客只在本人查資料的過(guò)程中學(xué)習(xí)的，如果不對(duì)之處，希望指出改正；

以后的博客可能不會(huì)再出關(guān)于django相關(guān)的點(diǎn)；

人心太浮躁，個(gè)人深度不夠，只學(xué)習(xí)了一些皮毛，后面博客只求精，不求多；

希望能堅(jiān)持下來(lái)。加油！

學(xué)習(xí)點(diǎn)：

實(shí)現(xiàn)效果
django與scrapy的創(chuàng)建
setting中對(duì)接的位置和代碼段
scrapy_djangoitem使用
scrapy數(shù)據(jù)爬取保存部分
數(shù)據(jù)庫(kù)設(shè)計(jì)以及問(wèn)題部分
django配置

實(shí)現(xiàn)效果：

django與scrapy的創(chuàng)建：

django的創(chuàng)建：

django startproject 項(xiàng)目名稱

cd 項(xiàng)目名稱
python manage.py startapp appname

例如：

scrapy的創(chuàng)建：

# cd django的根目錄下
cd job_hnting
scrapy startproject 項(xiàng)目名稱
#創(chuàng)建爬蟲
scrapy genspider spidername 'www.xxx.com'

例如：

setting的設(shè)置：

在scrapy框架中的setting指向django，讓django知道有scrapy;

在scrapy中的setting設(shè)置；

import os
import django

#導(dǎo)入
os.environ['DJANGO_SETTINGS_MODULE'] = 'job_hnting.settings'
#手動(dòng)初始化
django.setup()

如：

scrapy_djangoitem使用：

pip install scrapy_djangoitem

該庫(kù)在scrapy項(xiàng)目下的item中編寫引入：

import scrapy
# 引入django中app中models文件中的類
from app51.models import app51data
# scrapy與django對(duì)接的庫(kù)
from scrapy_djangoitem import DjangoItem


class JobprojectItem(DjangoItem):
  #引用django下的model中的類名
  django_model = app51data

數(shù)據(jù)存儲(chǔ)部分對(duì)接在后面解釋，現(xiàn)在大體框架完整；

scrapy爬取保存部分：

首先編寫scrapy爬蟲部分：

我們選取的是51招聘網(wǎng)站的數(shù)據(jù)：

爬取分為三個(gè)函數(shù)：

主函數(shù)
解析函數(shù)
總頁(yè)數(shù)函數(shù)

51job的反爬手段：

將json的數(shù)據(jù)格式隱藏在網(wǎng)頁(yè)結(jié)構(gòu)中，網(wǎng)上教程需要?jiǎng)e的庫(kù)解析（自行了解），

我們的方法是使用正則匹配提取定位到數(shù)據(jù)部分，使用json庫(kù)解析：

# 定位數(shù)據(jù)位置，提取json數(shù)據(jù)
    search_pattern = "window.__SEARCH_RESULT__ = (.*?)</script>"
    jsonText = re.search(search_pattern, response.text, re.M | re.S).group(1)

獲得關(guān)鍵字總頁(yè)數(shù)：

# 解析json數(shù)據(jù)
    jsonObject = json.loads(jsonText)
    number = jsonObject['total_page']

在主函數(shù)中構(gòu)造頁(yè)面url并給到解析函數(shù):

  for number in range(1,int(numbers)+1):
      next_page_url = self.url.format(self.name,number)
      # print(next_page_url)
      #構(gòu)造的Urlcallback到data_parse函數(shù)中
      yield scrapy.Request(url=next_page_url,callback=self.data_parse)

最后在解析函數(shù)中提取需要的數(shù)據(jù)：

 for job_item in jsonObject["engine_search_result"]:
      items = JobprojectItem()
      items['job_name'] = job_item['job_name']
      items['company_name'] = job_item["company_name"]
      # 發(fā)布時(shí)間
      items['Releasetime'] = job_item['issuedate']
      items['salary'] = job_item['providesalary_text']
      items['site'] = job_item['workarea_text']
      .......

相關(guān)的細(xì)節(jié)部分需要自己調(diào)整，完整代碼在 GitHub 中。

數(shù)據(jù)爬取部分解決后，需要到scrapy項(xiàng)目中的pipline文件保存；

class SeemeispiderPipeline(object):
  def process_item(self, item, spider):
    item.save()
    return item

記得在setting文件中取消掉pipline的注釋

設(shè)置數(shù)據(jù)庫(kù)：

Django配置數(shù)據(jù)庫(kù)有兩種方法：

方法一：直接在settings.py文件中添加數(shù)據(jù)庫(kù)配置信息（個(gè)人使用的）

DATABASES = {
  # 方法一
  'default': {
    'ENGINE': 'django.db.backends.mysql',  # 數(shù)據(jù)庫(kù)引擎
    'NAME': 'mysite',            # 數(shù)據(jù)庫(kù)名稱
    'USER': 'root',           # 數(shù)據(jù)庫(kù)登錄用戶名
    'PASSWORD': '123',        # 密碼
    'HOST': '127.0.0.1',        # 數(shù)據(jù)庫(kù)主機(jī)IP，如保持默認(rèn)，則為127.0.0.1
    'PORT': 3306,              # 數(shù)據(jù)庫(kù)端口號(hào)，如保持默認(rèn)，則為3306
  }
}

方法二：將數(shù)據(jù)庫(kù)配置信息存到一個(gè)文件中，在settings.py文件中將其引入。

新建數(shù)據(jù)庫(kù)配置文件my.cnf(名字隨意選擇)

[client]
database = blog
user = blog
password = blog
host =127.0.0.1
port = 3306
default-character-set = utf8

在settings.py文件中引入my.cnf文件

DATABASES = {
  # 方法二：
  'default': {
    'ENGINE': 'django.db.backends.mysql',
    'OPTIONS': {
      'read_default_file': 'utils/dbs/my.cnf',
    },
  }
}

啟用Django與mysql的連接

在生產(chǎn)環(huán)境中安裝pymysql 并且需要在settings.py文件所在包中的 __init__.py 中導(dǎo)入pymysql

import pymysql
pymysql.install_as_MySQLdb()

對(duì)應(yīng)前面的item，在spider中編寫時(shí)按照model設(shè)置的即可；;

from django.db import models
# Create your models here.
#定義app51的數(shù)據(jù)模型
class app51data(models.Model):
  #發(fā)布時(shí)間,長(zhǎng)度20
  Releasetime = models.CharField(max_length=20)
  #職位名，長(zhǎng)度50
  job_name =models.CharField(max_length=50)
  #薪水
  salary = models.CharField(max_length=20)
  #工作地點(diǎn)
  site = models.CharField(max_length=50)
  #學(xué)歷水平
  education = models.CharField(max_length=20)
  #公司名稱
  company_name = models.CharField(max_length=50)
  #工作經(jīng)驗(yàn)
  Workexperience = models.CharField(max_length=20)
  #指定表名
  class Meta:
    db_table = 'jobsql51'

  def __str__(self):
    return self.job_name

當(dāng)指定完表名后，在DBMS中只需要?jiǎng)?chuàng)建對(duì)應(yīng)的數(shù)據(jù)庫(kù)即可，表名自動(dòng)創(chuàng)建

每次修改數(shù)據(jù)庫(kù)都要進(jìn)行以下命令：

python manage.py makemigrations
python manage.py migrate

到此mysql數(shù)據(jù)庫(kù)配置完成

配置數(shù)據(jù)庫(kù)時(shí)遇到的錯(cuò)誤：

Django啟動(dòng)報(bào)錯(cuò)：AttributeError: 'str' object has no attribute 'decode'

解決方法：

找到Django安裝目錄

G:\env\django_job\Lib\site-packages\django\db\backends\mysql\operations.py

編輯operations.py；

將146行的decode修改成encode

def last_executed_query(self, cursor, sql, params):
    # With MySQLdb, cursor objects have an (undocumented) "_executed"
    # attribute where the exact query sent to the database is saved.
    # See MySQLdb/cursors.py in the source distribution.
    query = getattr(cursor, '_executed', None)
    if query is not None:
      #query = query.decode(errors='replace')
      uery = query.encode(errors='replace')
    return query

django配置：

關(guān)于django的基礎(chǔ)配置，如路由，app的注冊(cè)等基礎(chǔ)用法，暫時(shí)不過(guò)多說(shuō)明；

以下主要關(guān)于APP中視圖的配置，生成json；

from django.shortcuts import render
from django.http import HttpResponse
# Create your views here.
#引入數(shù)據(jù)
from .models import app51data
import json

def index(request):
  # return HttpResponse("hello world")
  # return render(request,'index.html')
  #獲取所有的對(duì)象，轉(zhuǎn)換成json格式
  data =app51data.objects.all()
  list3 = []
  i = 1
  for var in data:
    data = {}
    data['id'] = i
    data['Releasetime'] = var.Releasetime
    data['job_name'] = var.job_name
    data['salary'] = var.salary
    data['site'] = var.site
    data['education'] = var.education
    data['company_name'] = var.company_name
    data['Workexperience'] = var.Workexperience
    list3.append(data)
    i += 1

  # a = json.dumps(data)
  # b = json.dumps(list2)

  # 將集合或字典轉(zhuǎn)換成json 對(duì)象
  c = json.dumps(list3)
  return HttpResponse(c)

實(shí)現(xiàn)效果：

完整代碼在 GitHub 中，希望隨手star，感謝！

到此這篇關(guān)于Django-Scrapy生成后端json接口的方法示例的文章就介紹到這了,更多相關(guān)Django Scrapy生成json接口內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: