最近尝试用 Python3 写一个简单的爬虫程序,后端使用 MySQL 存储爬取的一些数据,其中定义了一张 URLs 表,表结构很简单,如下:
| id | url | flag |
|----|----|-----|
程序逻辑是先抓取一定量的 URL 存到 URLs 表中,然后每次取一条 URL 进行处理,处理完之后就更新 URLs 表中对应的记录。其中 flag 列就是用来标识该 URL 是否已经经过处理,列的值用 YES/NO 表示。
相关代码如下:
def crawler_controller(entry):
# 连接数据库
connection = mysql.connector.connect(user='mysql', password='mysql', database='crawler_db')
# 创建游标
cursor = connection.cursor()
# 无限循环,直到从数据库取出的记录为空
while True:
# 从数据库取出一条 flag 标记为 NO 的记录
sql_select_recored = "SELECT * FROM urls WHERE flag='NO' LIMIT 1"
cursor.execute(sql_select_recored)
get_values = cursor.fetchall()
# 判断该记录是否存在数据
if get_values:
# 处理相应的 url
url_parser(get_values)
# 更新已处理的记录,反复测试过,就是这一条出了问题,始终不能更新数据库记录
cursor.execute("UPDATE urls SET flag='YES' WHERE id='%s'", get_values[0][0])
# 完成处理
connection.commit()
cursor.close()
else
break
# 关闭数据库连接
connection.close()
现在的问题是,调用 url_parser(get_values)函数处理完 URL 之后,接下来的更新数据库记录死活不能生效,按道理说 get_values[0][0]的值就是对应的记录 id ,而且直接在数据库的 CLI 下面,用
UPDATE urls SET flag='YES' WHERE id='1'
测试,这样又是可以更新记录的。
还望有经验的老司机们指点一二。
1
izoabr 2017-04-01 21:39:53 +08:00
事务锁吧,干脆用消息队列好了。
|
2
zeraba 2017-04-01 21:41:42 +08:00 via Android
print get_values[0][0] 下看看就知道了
理论上应该是空? get_values[0] 试试 print 这个能否输出数据库的 id 字段 |
3
fuxkcsdn 2017-04-01 23:00:12 +08:00
+1 ,打印 get_values[0][0] 看看顺序是否你预期的
btw, 既然都 limit 1 了,干嘛还用 fetchall ,直接用 fetchone 不就得了 |
4
izoabr 2017-04-01 23:34:37 +08:00
是不是可以 dict cursor
|
5
wdeil 2017-04-02 10:53:24 +08:00 via Android
建议 select 语句取出所需的列而不是用*,这样可以预计所需 id 的 key 。不过这样的处理还是推荐多线程然后使用队列来操作 MySQL 。
|