Python爬虫(selenium)从网站获取信息并存入数据库(mysql)

简介： 在本篇博客中，我们将介绍如何使用Python编写一个简单的网络爬虫，从指定网站上获取图书信息，并将这些信息存入数据库。这个项目涉及到Python编程、selenium爬虫技术以及数据库操作等内容，适合对这些领域感兴趣的初学者。

1. 什么是网络爬虫？ 网络爬虫（也称为网络蜘蛛、网络机器人）是一种自动获取网页内容的程序，它模拟人的行为去各个网站抓取数据或返回数据。通过网络爬虫技术，我们可以从互联网中获取丰富的数据，为后续的数据分析和处理提供支持。

2. 项目概述： 本次项目爬取的是一个图书网站：scrape book，我们的项目包括四个主要部分：

CONN.py：连接数据库模块，负责与MySQL数据库建立连接。create_table.py：创建数据表模块，创建一个名为book_info的数据表，用于存储图书信息。insert_info.py：插入数据模块，向数据表中插入图书信息。main.py：主程序模块，负责爬取网页数据，并调用插入数据模块将信息存入数据库。

3. 项目详解：

具体爬取内容：

爬取一个网站的前提是了解这个网站的内容，以及网页布局，最后确定自己需要爬取的内容等。

首先准备工作：

工具（主要是方便查看数据库内容）：Navicat Premium 是一款功能强大的数据库管理工具，提供了用户友好的图形用户界面，使数据库管理变得更加简单和直观。为了更直观的查看数据库里面各种信息，建议安装这个软件，连接也很简单，点新建连接，就会弹出如下页面，连接名随意，其他都不用改，密码就是你安装mysql时设置的密码，我的就是123456，之后的连接数据库等的password也都是这个

然后，如果没有数据库需要先创建一个数据库，具体方法有很多，可以直接用navicat premium，直接右键连接，再点新建数据库，便创建好了，也可以用代码连接并创建数据库。

接下来便是主要的代码：

CONN.py：这个模块定义了一个函数connect_mysql()，用于连接MySQL数据库，并返回连接对象。我们需要提供数据库的主机地址、用户名、密码、数据库名以及字符集等信息。注意：此处是Scrape_book这个数据库是已经存在的，如果没有数据库的请先创建数据库。 create_table.py：在这个模块中，我们使用了CON.py中定义的连接函数，连接到MySQL数据库。然后，我们使用SQL语句创建了一个名为book_info的数据表，用于存储图书信息。 insert_info.py：这个模块定义了一个函数insert_info(info)，用于向数据库中插入图书信息。我们需要提供待插入的图书信息作为参数，并通过SQL语句执行插入操作。 main.py：这是项目的核心模块，主要负责爬取网页数据。我们使用了Selenium库来模拟浏览器行为，从指定的网站获取图书信息。然后，我们调用插入数据模块将信息存入数据库。

4. 实现过程：

我们首先运行main.py，它会打开一个Chrome浏览器窗口，并访问指定的网站（https://spa5.scrape.center）。然后，通过Selenium模拟点击页面中的链接，进入到具体的图书信息页面。在每个图书信息页面中，我们使用Selenium获取图书的标题、评分、标签、价格、作者、出版日期、出版社、页数和ISBN等信息。接着，我们调用插入数据模块，将获取到的信息存入MySQL数据库中的book_info表中。最后，我们在循环中重复以上步骤，直到获取了足够的图书信息为止。

5. 结果展示：

6. 总结：

通过这个项目，我们学习了如何使用Python编写一个简单的网络爬虫，从网站上获取数据并存入数据库。我们掌握了Selenium库的基本用法，学会了如何模拟浏览器行为。同时，我们也学习了如何使用MySQL数据库进行数据存储和管理。这些都是在数据处理和分析过程中非常重要的技能，希望本文对初学者有所帮助。

以上就是本篇博客的全部内容，希望读者能够通过学习这个项目，对网络爬虫技术有所了解，并且能够进一步探索更多有趣的项目和应用。

关于作者： 作者是一个对Python编程和数据科学感兴趣的初学者，希望通过自己的学习和实践，与大家一起分享有趣的技术和项目。如果您对本文有任何问题或建议，欢迎在评论区留言，作者会尽快回复。