pymysql库的使用 pymysql的库作用就是联动mysql数据库，我们这里需要知道的是如何创建数据库连接，如何创建游标对象，如何执行sql语句与事务的提交

首先这里介绍的是连接数据库的长连接的使用，一开始笔者使用连接数据库的方式是短链接。

我们实现与数据库交互的时候，需要先连接数据库，而后关闭连接，这个过程在断开的时候是会产生一个tcp timeout的时间的，如果大家插入数据库、与数据库交互的次数并不多，那当然是不受影响的。

但是大家如果做爬虫，需要批量的操作数据库的时候，若是采用短连接，每次连接数据库关闭数据库就都会产生一个tcp timeout的动作，这样的话可能会造成一个泛洪的效果，意外的造成了拒绝服务攻击。

示例代码如下：

import pymysql import time def short(): n=0 while n <= 20: #连接数据库 db_conn = pymysql.connect(host='192.168.xx.xx', user='root', passwd='xx', port=3306, db='xx') # 创建游标对象 cur = db_conn.cursor() # 执行sql语句 try: # 执行sql语句 sql='insert into user (user,id) values (111,222);' cur.execute(sql) # 事物提交 db_conn.commit() # 断开连接 cur.close() db_conn.close() except Exception as err: print("sql语句执行错误", err) db_conn.rollback() # 数据库回滚操作 time.sleep(2) n=n+1 short() 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 此时执行20次重复的插入动作，每次插入前都会先连接数据库然后再断开，观察主机的状态以及数据包

首先就是在请求的时候会出现大量的连接状态 time-wait，这个是在本机看到的，而不是在数据库服务器

wireshark产生大量的连接记录

当我们使用长链接的时候，此时的示例代码以及连接状态如下

import pymysql import time db_conn = pymysql.connect(host='192.168.xx.xxx', user='root', passwd='xxx', port=3306, db='xxx') cur = db_conn.cursor() def test_connection(): try: db_conn.ping() except: db_conn = pymysql.connect(host='192.168.xx.xxx', user='root', passwd='xxx', port=3306, db='xxx') return db_conn def long(): n=0 db_conn = test_connection() while n <= 20: try: # 执行sql语句 sql='insert into user (user,id) values (111,222);' cur.execute(sql) # 事物提交 db_conn.commit() except Exception as err: print("sql语句执行错误", err) db_conn.rollback() time.sleep(2) n=n+1 long() 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

wireshark数据包流量如下

argparse 库的使用 argparse是python用于解析命令行参数和选项的标准模块，用于代替已经过时的optparse模块。argparse模块的作用是用于解析命令行参数

import argparse parser = argparse.ArgumentParser(description='api help') #创建解析器对象ArgumentParser parser.add_argument('-p','--pid', help='请输入1/2/3/4',default=' ') #用来指定程序需要接受的命令参数 args=parser.parse_args() #参数实例化，将parser参数传入args pid=args.pid str=("这是 %s" % pid) print(str) 1 2 3 4 5 6 7 8 运行结果：

这个时候参数就可选了

json、requests库的使用 requests库无需多说，用来模拟http请求；

json库在这里则是用来返回json数据中的某个数据时使用

首先我们需要收集id参数，当页面返回的数据为json时，我们如何收集？

如下图，此图为返回的json数据的树状图

此时打开[data][page][records][0]

返回的详细数据如下

由第一张图我们可以知道，返回0-9条数据，我们需要获取这0-9条数据所有的id参数，那么应该如何快速获取呢？

示例代码如下

encoding: utf-8 #使用utf-8编码

import requests import json token="xxx" #全局变量 def _json(): url = "xxx.cn/xxx" header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36", "Content-Type": "application/x-www-form-urlencoded", "X-Token": token } try: response = requests.get(url, headers=header, verify=False, timeout=10) text = response.text s = json.loads(text) if 'id' in text: n = 0 while n <= 10: id = (s['data']['page']['records'][n]['id']) #获取所有的id参数 print(str(id)) n=n+1 else: print("数据未更新") except Exception as e: print("[" + url + "]" + "error", format(e)) _json() 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 执行结果如下：

提取数据直接入库，并生成后期对比log文件当我们学会使用以上三个小demo后，我们按需求将id直接入库并生成log文件做后期对比，示例代码如下

encoding: utf-8 #使用utf-8编码

import requests import json import pymysql import time import argparse import urllib3 urllib3.disable_warnings() parser = argparse.ArgumentParser(description='api help') #创建解析器对象ArgumentParser parser.add_argument('-p','--pid', help='请输入1/2/3/4',default=' ') #用来指定程序需要接受的命令参数 args=parser.parse_args() #参数实例化，将parser参数传入args pid=args.pid token="xxxx" #设置token全局变量 #建立数据库长连接 db_conn = pymysql.connect(host="192.168.xx.xxx", user="root", password="xxx", db="xxx",charset="utf8") cursor = db_conn.cursor() #建立数据库长链接，调用前判断数据库连接状态 dataday=(time.strftime('%Y-%m-%d',time.localtime(time.time()))) #年月日时间节点，用来保存文件名字 def test_connection(): try: db_conn.ping() except: db_conn= pymysql.connect(host="192.168.xx.xxx", user="root", password="xxx", db="xxx",charset="utf8") def _json(): url = "https://xxx/" header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36", "Content-Type": "application/x-www-form-urlencoded", "X-Token": token } try: response = requests.get(url, headers=header, verify=False, timeout=10) text = response.text s = json.loads(text) if 'id' in text: n = 0 test_connection() cursor = db_conn.cursor() while n <= 10: id = (s['data']['page']['records'][n]['id']) #获取所有的id参数 print(str(id)) w = open(dataday + "_id.json", "a+") w.write(str(id) + "\n") try: # 执行sql语句 sql = ("insert into user (id) values ('%s');" % id ) cursor.execute(sql) # 事物提交 db_conn.commit() except Exception as err: print("sql语句执行错误", err) db_conn.rollback() time.sleep(2) n=n+1 else: print("数据未更新") except Exception as e: print("[" + url + "]" + "error", format(e)) if name == 'main' : _json() 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 运行结果：

这里没用上参数化，因为那个使用比较敏感，没有体现出来，但是大家只要知道如何去使用就可以了，比如说获取周更新、月更新都可以使用此方式，观察数据库变化

当前文件夹生成json格式文件，后续做对比使用

爬虫-

encoding: utf-8 #使用utf-8编码

encoding: utf-8 #使用utf-8编码