網上的關于django-scrapy的介紹比較少，該博客只在本人查資料的過程中學習的，如果不對之處，希望指出改正；

以后的博客可能不會再出關于django相關的點；

人心太浮躁，個人深度不夠，只學習了一些皮毛，后面博客只求精，不求多；

希望能堅持下來。加油！

學習點：

實現(xiàn)效果 django與scrapy的創(chuàng)建 setting中對接的位置和代碼段 scrapy_djangoitem使用 scrapy數據爬取保存部分 數據庫設計以及問題部分 django配置

實現(xiàn)效果：

django與scrapy的創(chuàng)建：

django的創(chuàng)建：

django startproject 項目名稱

cd 項目名稱python manage.py startapp appname

例如：

scrapy的創(chuàng)建：

# cd django的根目錄下cd job_hntingscrapy startproject 項目名稱#創(chuàng)建爬蟲scrapy genspider spidername ’www.xxx.com’

例如：

setting的設置：

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

在scrapy中的setting設置；

import osimport django#導入os.environ[’DJANGO_SETTINGS_MODULE’] = ’job_hnting.settings’#手動初始化django.setup()

如：

scrapy_djangoitem使用：

pip install scrapy_djangoitem

該庫在scrapy項目下的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對接的庫from scrapy_djangoitem import DjangoItemclass JobprojectItem(DjangoItem): #引用django下的model中的類名 django_model = app51data

數據存儲部分對接在后面解釋，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招聘網站的數據：

爬取分為三個函數：

主函數 解析函數 總頁數函數

51job的反爬手段：

將json的數據格式隱藏在網頁結構中，網上教程需要別的庫解析（自行了解），

我們的方法是使用正則匹配提取定位到數據部分，使用json庫解析：

# 定位數據位置，提取json數據 search_pattern = 'window.__SEARCH_RESULT__ = (.*?)</script>' jsonText = re.search(search_pattern, response.text, re.M | re.S).group(1)

獲得關鍵字總頁數：

# 解析json數據 jsonObject = json.loads(jsonText) number = jsonObject[’total_page’]

在主函數中構造頁面url并給到解析函數:

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

最后在解析函數中提取需要的數據：

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)布時間 items[’Releasetime’] = job_item[’issuedate’] items[’salary’] = job_item[’providesalary_text’] items[’site’] = job_item[’workarea_text’] .......

相關的細節(jié)部分需要自己調整，完整代碼在 GitHub 中。

數據爬取部分解決后，需要到scrapy項目中的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

設置數據庫：

Django配置數據庫有兩種方法：

方法一：直接在settings.py文件中添加數據庫配置信息（個人使用的）

DATABASES = { # 方法一 ’default’: { ’ENGINE’: ’django.db.backends.mysql’, # 數據庫引擎 ’NAME’: ’mysite’, # 數據庫名稱 ’USER’: ’root’, # 數據庫登錄用戶名 ’PASSWORD’: ’123’,# 密碼 ’HOST’: ’127.0.0.1’,# 數據庫主機IP，如保持默認，則為127.0.0.1 ’PORT’: 3306, # 數據庫端口號，如保持默認，則為3306 }}

方法二：將數據庫配置信息存到一個文件中，在settings.py文件中將其引入。

新建數據庫配置文件my.cnf(名字隨意選擇)

[client]database = bloguser = blogpassword = bloghost =127.0.0.1port = 3306default-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 中導入pymysql

import pymysqlpymysql.install_as_MySQLdb()

對應前面的item，在spider中編寫時按照model設置的即可；;

from django.db import models# Create your models here.#定義app51的數據模型class app51data(models.Model): #發(fā)布時間,長度20 Releasetime = models.CharField(max_length=20) #職位名，長度50 job_name =models.CharField(max_length=50) #薪水 salary = models.CharField(max_length=20) #工作地點 site = models.CharField(max_length=50) #學歷水平 education = models.CharField(max_length=20) #公司名稱 company_name = models.CharField(max_length=50) #工作經驗 Workexperience = models.CharField(max_length=20) #指定表名 class Meta: db_table = ’jobsql51’ def __str__(self): return self.job_name

當指定完表名后，在DBMS中只需要創(chuàng)建對應的數據庫即可，表名自動創(chuàng)建

每次修改數據庫都要進行以下命令：

python manage.py makemigrationspython manage.py migrate

到此mysql數據庫配置完成

配置數據庫時遇到的錯誤：

Django啟動報錯：AttributeError: ’str’ object has no attribute ’decode’

解決方法：

找到Django安裝目錄

G:envdjango_jobLibsite-packagesdjangodbbackendsmysqloperations.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：

關于django的基礎配置，如路由，app的注冊等基礎用法，暫時不過多說明；

以下主要關于APP中視圖的配置，生成json；

from django.shortcuts import renderfrom django.http import HttpResponse# Create your views here.#引入數據from .models import app51dataimport jsondef index(request): # return HttpResponse('hello world') # return render(request,’index.html’) #獲取所有的對象，轉換成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) # 將集合或字典轉換成json 對象 c = json.dumps(list3) return HttpResponse(c)

實現(xiàn)效果：

完整代碼在 GitHub 中，希望隨手star，感謝！

到此這篇關于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Django Scrapy生成json接口內容請搜索好吧啦網以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網！