如何从 MySql 数据库中读取 Scrapy Start_urls？答案

【问题标题】：How can I read Scrapy Start_urls from MySql database?如何从 MySql 数据库中读取 Scrapy Start_urls？
【发布时间】：2020-12-13 03:02:33
【问题描述】：

我正在尝试读取和写入 Mysql 的所有输出。当我的蜘蛛开始抓取时，我想从 MySQL 数据库中获取所有 URL，因此我尝试创建一个函数来读取数据。

readdata.py：

import mysql.connector
from mysql.connector import Error
from itemadapter import ItemAdapter

def dataReader(marketName):
    try:
        connection = mysql.connector.connect(host='localhost',
                                            database='test',
                                            user='root',
                                            port=3306,
                                            password='1234')
        sql_select_Query = "SELECT shop_URL FROM datatable.bot_markets WHERE shop_name='"+marketName+"';"
        cursor = connection.cursor()
        cursor.execute(sql_select_Query)
        records = cursor.fetchall()
        return records
    except Error as e:
        print("Error reading data from MySQL table", e)
    finally:
        if (connection.is_connected()):
            connection.close()
            cursor.close()
            print("MySQL connection is closed")

我想从我的蜘蛛中调用这个函数，如下所示。

我的蜘蛛：

import scrapy
import re
import mysql.connector

from ..items import FirstBotItem
from scrapy.utils.project import get_project_settings
from first_bot.readdata import dataReader

class My_Spider(scrapy.Spider):
   name = "My_Spider"
   allowed_domains = ["quotes.toscrape.com/"]
   start_urls = dataReader(name)
   
   def parse(self, response):
       location = "quotes"
       for product in response.xpath('.//div[@class="product-card product-action "]'):
           
           product_link = response.url
           prices = product.xpath('.//div[@class="price-tag"]/span[@class="value"]/text()').get()
           if prices != None:prices = re.sub(r"[\s]", "", prices)
           title = product.xpath('.//h5[@class="title product-card-title"]/a/text()').get()
           unit = product.xpath('.//div[@class="select single-select"]//i/text()').get()
           if unit != None: unit = re.sub(r"[\s]", "", unit)
           item = FirstBotItem()
           item['LOKASYON'] = location
           item['YEAR'] = 2020
           item['MONTH'] = 8
           yield item

我在 start_urls 上做错了，但我想不通。我收到此错误。

_set_url
    raise TypeError('Request url must be str or unicode, got %s:' % type(url).__name__)
TypeError: Request url must be str or unicode, got tuple:
2020-08-24 15:46:31 [scrapy.core.engine] INFO: Closing spider (finished)

我的主要任务是从数据库中获取所有 URL。因为有人会在同一个网站上写网址，蜘蛛会自动爬取。

【问题讨论】：

标签： python mysql scrapy

【解决方案1】：

您可以尝试将dataReader方法中的逻辑从：

    records = cursor.fetchall()
    return records

到：

records = cursor.fetchall()
records_list = []
for rec in records:
    records_list.append(rec)
return records_list

【讨论】：

当我在返回之前检查 records 的类型时，它会返回

【解决方案2】：

您应该在 dataReader 函数中写入 return list(records) 而不是 return records。

【讨论】：