關係型資料庫是基於關係模型的資料庫，而關係模型是通過二維表來儲存的，所以它的儲存方式就是行列組成的表，每一列是一個欄位，每一行是一條記錄。表可以看作某個實體的集合，而實體之間存在聯絡，這就需要表與表之間的關聯關係來體現，如主鍵外來鍵的關聯關係。多個表組成一個資料庫，也就是關係型資料庫。
關係型資料庫有多種，如SQLite、MySQL、Oracle、SQL Server、DB2等。
本節中，我們主要介紹Python 3下MySQL的儲存。
在Python 2中，連線MySQL的庫大多是使用MySQLdb，但是此庫的官方並不支援Python 3，所以這裡推薦使用的庫是PyMySQL。
本節中，我們就來講解使用PyMySQL操作MySQL資料庫的方法。
1. 準備工作
在開始之前，請確保已經安裝好了MySQL資料庫並保證它能正常執行，而且需要安裝好PyMySQL庫。如果沒有安裝，可以參考第1章。
2. 連線資料庫
這裡，首先嚐試連線一下資料庫。假設當前的MySQL執行在本地，使用者名稱為root，密碼為123456，執行埠為3306。這裡利用PyMySQL先連線MySQL，然後建立一個新的資料庫，名字叫作spiders，程式碼如下：
import pymysql
db = pymysql.connect(host='localhost',user='root', password='123456', port=3306)
cursor = db.cursor()
cursor.execute('SELECT VERSION()')
data = cursor.fetchone()
print('Database version:', data)
cursor.execute("CREATE DATABASE spiders DEFAULT CHARACTER SET utf8")
db.close()
複製程式碼執行結果如下：
Database version: ('5.6.22',)
複製程式碼這裡通過PyMySQL的connect()方法宣告一個MySQL連線物件db，此時需要傳入MySQL執行的host（即IP）。由於MySQL在本地執行，所以傳入的是localhost。如果MySQL在遠端執行，則傳入其公網IP地址。後續的引數user即使用者名稱，password即密碼，port即埠（預設為3306）。
連線成功後，需要再呼叫cursor()方法獲得MySQL的操作遊標，利用遊標來執行SQL語句。這裡我們執行了兩句SQL，直接用execute()方法執行即可。第一句SQL用於獲得MySQL的當前版本，然後呼叫fetchone()方法獲得第一條資料，也就得到了版本號。第二句SQL執行建立資料庫的操作，資料庫名叫作spiders，預設編碼為UTF-8。由於該語句不是查詢語句，所以直接執行後就成功建立了資料庫spiders。接著，再利用這個資料庫進行後續的操作。
3. 建立表
一般來說，建立資料庫的操作只需要執行一次就好了。當然，我們也可以手動建立資料庫。以後，我們的操作都在spiders資料庫上執行。
建立資料庫後，在連線時需要額外指定一個引數db。
接下來，新建立一個資料表students，此時執行建立表的SQL語句即可。這裡指定3個欄位，結構如表5-1所示。
表5-1 資料表students
建立該表的示例程式碼如下：
import pymysql
db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='spiders')
cursor = db.cursor()
sql = 'CREATE TABLE IF NOT EXISTS students (id VARCHAR(255) NOT NULL, name VARCHAR(255) NOT NULL, age INT NOT NULL, PRIMARY KEY (id))'
cursor.execute(sql)
db.close()
複製程式碼執行之後，我們便建立了一個名為students的資料表。
當然，為了演示，這裡只指定了最簡單的幾個欄位。實際上，在爬蟲過程中，我們會根據爬取結果設計特定的欄位。
4. 插入資料
下一步就是向資料庫中插入資料了。例如，這裡爬取了一個學生資訊，學號為20120001，名字為Bob，年齡為20，那麼如何將該條資料插入資料庫呢？示例程式碼如下：
import pymysql
id = '20120001'
user = 'Bob'
age = 20
db = pymysql.connect(host='localhost', user='root', password='123456', port=3306, db='spiders')
cursor = db.cursor()
sql = 'INSERT INTO students(id, name, age) values(%s, %s, %s)'
try:
cursor.execute(sql, (id, user, age))
db.commit()
except:
db.rollback()
db.close()
複製程式碼這裡首先構造了一個SQL語句，其Value值沒有用字串拼接的方式來構造，如：
sql = 'INSERT INTO students(id, name, age) values(' + id + ', ' + name + ', ' + age + ')'
複製程式碼這樣的寫法煩瑣而且不直觀，所以我們選擇直接用格式化符%s來實現。有幾個Value寫幾個%s，我們只需要在execute()方法的第一個引數傳入該SQL語句，Value值用統一的元組傳過來就好了。這樣的寫法既可以避免字串拼接的麻煩，又可以避免引號衝突的問題。
之後值得注意的是，需要執行db物件的commit()方法才可實現資料插入，這個方法才是真正將語句提交到資料庫執行的方法。對於資料插入、更新、刪除操作，都需要呼叫該方法才能生效。
接下來，我們加了一層異常處理。如果執行失敗，則呼叫rollback()執行資料回滾，相當於什麼都沒有發生過。
這裡涉及事務的問題。事務機制可以確保資料的一致性，也就是這件事要麼發生了，要麼沒有發生。比如插入一條資料，不會存在插入一半的情況，要麼全部插入，要麼都不插入，這就是事務的原子性。另外，事務還有3個屬性——一致性、隔離性和永續性。這4個屬性通常稱為ACID特性，具體如表5-2所示。
表5-2 事務的4個屬性
插入、更新和刪除操作都是對資料庫進行更改的操作，而更改操作都必須為一個事務，所以這些操作的標準寫法就是：
try:
cursor.execute(sql)
db.commit()
except:
db.rollback()
複製程式碼這樣便可以保證資料的一致性。這裡的commit()和rollback()方法就為事務的實現提供了支援。
上面資料插入的操作是通過構造SQL語句實現的，但是很明顯，這有一個極其不方便的地方，比如突然增加了性別欄位gender，此時SQL語句就需要改成：
INSERT INTO students(id, name, age, gender) values(%s, %s, %s, %s)
複製程式碼相應的元組引數則需要改成：
(id, name, age, gender)
複製程式碼這顯然不是我們想要的。在很多情況下，我們要達到的效果是插入方法無需改動，做成一個通用方法，只需要傳入一個動態變化的字典就好了。比如，構造這樣一個字典：
{
'id': '20120001',
'name': 'Bob',
'age': 20
}
複製程式碼然後SQL語句會根據字典動態構造，元組也動態構造，這樣才能實現通用的插入方法。所以，這裡我們需要改寫一下插入方法：
data = {
'id': '20120001',
'name': 'Bob',
'age': 20
}
table = 'students'
keys = ', '.join(data.keys())
values = ', '.join(['%s'] * len(data))
sql = 'INSERT INTO {table}({keys}) VALUES ({values})'.format(table=table, keys=keys, values=values)
try:
if cursor.execute(sql, tuple(data.values())):
print('Successful')
db.commit()
except:
print('Failed')
db.rollback()
db.close()
複製程式碼這裡我們傳入的資料是字典，並將其定義為data變數。表名也定義成變數table。接下來，就需要構造一個動態的SQL語句了。
首先，需要構造插入的欄位id、name和age。這裡只需要將data的鍵名拿過來，然後用逗號分隔即可。所以', '.join(data.keys())的結果就是id, name, age，然後需要構造多個%s當作佔位符，有幾個欄位構造幾個即可。比如，這裡有三個欄位，就需要構造%s, %s, %s。這裡首先定義了長度為1的陣列['%s']，然後用乘法將其擴充為['%s', '%s', '%s']，再呼叫join()方法，最終變成%s, %s, %s。最後，我們再利用字串的format()方法將表名、欄位名和佔位符構造出來。最終的SQL語句就被動態構造成了：
INSERT INTO students(id, name, age) VALUES (%s, %s, %s)
複製程式碼最後，為execute()方法的第一個引數傳入sql變數，第二個引數傳入data的鍵值構造的元組，就可以成功插入資料了。
如此以來，我們便實現了傳入一個字典來插入資料的方法，不需要再去修改SQL語句和插入操作了。
5. 更新資料
資料更新操作實際上也是執行SQL語句，最簡單的方式就是構造一個SQL語句，然後執行：
sql = 'UPDATE students SET age = %s WHERE name = %s'
try:
cursor.execute(sql, (25, 'Bob'))
db.commit()
except:
db.rollback()
db.close()
複製程式碼這裡同樣用佔位符的方式構造SQL，然後執行execute()方法，傳入元組形式的引數，同樣執行commit()方法執行操作。如果要做簡單的資料更新的話，完全可以使用此方法。
但是在實際的資料抓取過程中，大部分情況下需要插入資料，但是我們關心的是會不會出現重複資料，如果出現了，我們希望更新資料而不是重複儲存一次。另外，就像前面所說的動態構造SQL的問題，所以這裡可以再實現一種去重的方法，如果資料存在，則更新資料；如果資料不存在，則插入資料。另外，這種做法支援靈活的字典傳值。示例如下：
data = {
'id': '20120001',
'name': 'Bob',
'age': 21
}
table = 'students'
keys = ', '.join(data.keys())
values = ', '.join(['%s'] * len(data))
sql = 'INSERT INTO {table}({keys}) VALUES ({values}) ON DUPLICATE KEY UPDATE'.format(table=table, keys=keys, values=values)
update = ','.join([" {key} = %s".format(key=key) for key in data])
sql += update
try:
if cursor.execute(sql, tuple(data.values())*2):
print('Successful')
db.commit()
except:
print('Failed')
db.rollback()
db.close()
複製程式碼這裡構造的SQL語句其實是插入語句，但是我們在後面加了ON DUPLICATE KEY UPDATE。這行程式碼的意思是如果主鍵已經存在，就執行更新操作。比如，我們傳入的資料id仍然為20120001，但是年齡有所變化，由20變成了21，此時這條資料不會被插入，而是直接更新id為20120001的資料。完整的SQL構造出來是這樣的：
INSERT INTO students(id, name, age) VALUES (%s, %s, %s) ON DUPLICATE KEY UPDATE id = %s, name = %s, age = %s
複製程式碼這裡就變成了6個%s。所以在後面的execute()方法的第二個引數元組就需要乘以2變成原來的2倍。
如此一來，我們就可以實現主鍵不存在便插入資料，存在則更新資料的功能了。
6. 刪除資料
刪除操作相對簡單，直接使用DELETE語句即可，只是需要指定要刪除的目標表名和刪除條件，而且仍然需要使用db的commit()方法才能生效。示例如下：
table = 'students'
condition = 'age > 20'
sql = 'DELETE FROM {table} WHERE {condition}'.format(table=table, condition=condition)
try:
cursor.execute(sql)
db.commit()
except:
db.rollback()
db.close()
複製程式碼因為刪除條件有多種多樣，運算子有大於、小於、等於、LIKE等，條件連線符有AND、OR等，所以不再繼續構造複雜的判斷條件。這裡直接將條件當作字串來傳遞，以實現刪除操作。
7. 查詢資料
說完插入、修改和刪除等操作，還剩下非常重要的一個操作，那就是查詢。查詢會用到SELECT語句，示例如下：
sql = 'SELECT * FROM students WHERE age >= 20'
try:
cursor.execute(sql)
print('Count:', cursor.rowcount)
one = cursor.fetchone()
print('One:', one)
results = cursor.fetchall()
print('Results:', results)
print('Results Type:', type(results))
for row in results:
print(row)
except:
print('Error')
複製程式碼執行結果如下：
Count: 4
One: ('20120001', 'Bob', 25)
Results: (('20120011', 'Mary', 21), ('20120012', 'Mike', 20), ('20120013', 'James', 22))
Results Type: <class 'tuple'>
('20120011', 'Mary', 21)
('20120012', 'Mike', 20)
('20120013', 'James', 22)
複製程式碼這裡我們構造了一條SQL語句，將年齡20歲及以上的學生查詢出來，然後將其傳給execute()方法。注意，這裡不再需要db的commit()方法。接著，呼叫cursor的rowcount屬性獲取查詢結果的條數，當前示例中是4條。
然後我們呼叫了fetchone()方法，這個方法可以獲取結果的第一條資料，返回結果是元組形式，元組的元素順序跟欄位一一對應，即第一個元素就是第一個欄位id，第二個元素就是第二個欄位name，以此類推。隨後，我們又呼叫了fetchall()方法，它可以得到結果的所有資料。然後將其結果和型別列印出來，它是二重元組，每個元素都是一條記錄，我們將其遍歷輸出出來。
但是這裡需要注意一個問題，這裡顯示的是3條資料而不是4條，fetchall()方法不是獲取所有資料嗎？這是因為它的內部實現有一個偏移指標用來指向查詢結果，最開始偏移指標指向第一條資料，取一次之後，指標偏移到下一條資料，這樣再取的話，就會取到下一條資料了。我們最初呼叫了一次fetchone()方法，這樣結果的偏移指標就指向下一條資料，fetchall()方法返回的是偏移指標指向的資料一直到結束的所有資料，所以該方法獲取的結果就只剩3個了。
此外，我們還可以用while迴圈加fetchone()方法來獲取所有資料，而不是用fetchall()全部一起獲取出來。fetchall()會將結果以元組形式全部返回，如果資料量很大，那麼佔用的開銷會非常高。因此，推薦使用如下方法來逐條取資料：
sql = 'SELECT * FROM students WHERE age >= 20'
try:
cursor.execute(sql)
print('Count:', cursor.rowcount)
row = cursor.fetchone()
while row:
print('Row:', row)
row = cursor.fetchone()
except:
print('Error')
複製程式碼這樣每迴圈一次，指標就會偏移一條資料，隨用隨取，簡單高效。
本節中，我們介紹瞭如何使用PyMySQL操作MySQL資料庫以及一些SQL語句的構造方法，後面會在實戰案例中應用這些操作來儲存資料。
本資源首發於崔慶才的個人部落格靜覓： Python3網路爬蟲開發實戰教程 | 靜覓
如想了解更多爬蟲資訊，請關注我的個人微信公眾號：進擊的Coder
weixin.qq.com/r/5zsjOyvEZ… (二維碼自動識別)