Python爬取京东商品信息评论存并进MySQL

来源：jb51　　时间：2022/4/11 22:17:01　　对本文有异议

构建mysql数据表

问题：使用SQL alchemy时，非主键不能设置为自增长，但是我想让这个非主键仅仅是为了作为索引，autoincrement=True无效，该怎么实现让它自增长呢？

from sqlalchemy import String,Integer,Text,Column
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from sqlalchemy.orm import scoped_session
from sqlalchemy.ext.declarative import declarative_base
?
engine=create_engine(
? ? "mysql+pymysql://root:root@127.0.0.1:3306/jdcrawl?charset=utf8",
? ? pool_size=200,
? ? max_overflow=300,
? ? echo=False
)
?
BASE=declarative_base() # 实例化
?
class Goods(BASE):
? ? __tablename__='goods'
? ? id=Column(Integer(),primary_key=True,autoincrement=True)
? ? sku_id = Column(String(200), primary_key=True, autoincrement=False)
? ? name=Column(String(200))
? ? price=Column(String(200))
? ? comments_num=Column(Integer)
? ? shop=Column(String(200))
? ? link=Column(String(200))
?
class Comments(BASE):
? ? __tablename__='comments'
? ? id=Column(Integer(),primary_key=True,autoincrement=True,nullable=False)
? ? sku_id=Column(String(200),primary_key=True,autoincrement=False)
? ? comments=Column(Text())
?
BASE.metadata.create_all(engine)
Session=sessionmaker(engine)
sess_db=scoped_session(Session)

第一版：

问题：爬取几页评论后就会爬取到空白页，添加refer后依旧如此

尝试解决方法：将获取评论地方的线程池改为单线程，并每获取一页评论增加延时1s

# 不能爬太快！！！不然获取不到评论
?
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品数量
comments_num=0 ? # 评论数量
?
# 获取商品信息和SkuId
def getIndex(url):
? ? session=requests.Session()
? ? session.headers=headers
? ? global num
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:3]: ?# 爬取3个商品测试
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 获取书籍时查找店铺的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 获取其他商品时查找店铺的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? comments_num=getCommentsNum(SkuId,session)
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("开始存入数据库...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? ? ? print("正在获取评论...")
? ? ? ? # 获取评论总页数
? ? ? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection']='keep-alive'
? ? ? ? res2 = session.get(url1,headers=headers)
? ? ? ? res2.encoding = res2.apparent_encoding
? ? ? ? json_data = json.loads(res2.text)
? ? ? ? max_page = json_data['maxPage'] ?# 经测试最多可获取100页评论，每页10条
? ? ? ? args = []
? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? # 使用此链接获取评论得到的为json格式
? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? # 使用此链接获取评论得到的非json格式，需要提取
? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? args.append(([session,SkuId,url2], None))
? ? ? ? pool2 = threadpool.ThreadPool(2) ? # 2个线程
? ? ? ? reque2 = threadpool.makeRequests(getComments,args) ?# 创建任务
? ? ? ? for r in reque2:
? ? ? ? ? ? pool2.putRequest(r) # 提交任务到线程池
? ? ? ? pool2.wait()
?
# 获取评论总数量
def getCommentsNum(SkuId,sess):
? ? headers['Referer']=f'https://item.jd.com/{SkuId}.html'
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url,headers=headers)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式转为字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 获取评论
def getComments(sess,SkuId,url2):
? ? global comments_num
? ? print(url2)
? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? res2 = sess.get(url2,headers=headers)
? ? res2.encoding='gbk'
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要进行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? try:
? ? ? ? comments=dict_data['comments']
? ? ? ? for item in comments:
? ? ? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? ? ? # print(comment)
? ? ? ? ? ? comments_num+=1
? ? ? ? ? ? try:
? ? ? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? ? ? except Exception as e:
? ? ? ? ? ? ? ? print(e)
? ? ? ? ? ? ? ? sess_db.rollback()
? ? except:
? ? ? ? pass
?
# 商品信息入库
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 评论入库
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("请输入要查询的关键词："))
? ? for i in range(1,2): ? ?# 爬取一页进行测试
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必须这样写
? ? pool=threadpool.ThreadPool(2) ?# 2个线程的线程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 创建任务
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向线程池提交任务
? ? pool.wait() # 等待所有任务执行完毕
? ? print("共获取{}件商品，获得{}条评论，耗时{}".format(num,comments_num,time.time()-start_time))

第二版：

经测试，的确不会出现空白页的情况

进一步优化：同时获取2个以上商品的评论

# 不能爬太快！！！不然获取不到评论
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品数量
comments_num=0 ? # 评论数量
?
# 获取商品信息和SkuId
def getIndex(url):
? ? session=requests.Session()
? ? session.headers=headers
? ? global num
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:2]: ?# 爬取2个商品测试
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 获取书籍时查找店铺的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 获取其他商品时查找店铺的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection'] = 'keep-alive'
? ? ? ? comments_num=getCommentsNum(SkuId,session)
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("开始将商品存入数据库...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? ? ? print("正在获取评论...")
? ? ? ? # 获取评论总页数
? ? ? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? ? ? res2 = session.get(url1,headers=headers)
? ? ? ? res2.encoding = res2.apparent_encoding
? ? ? ? json_data = json.loads(res2.text)
? ? ? ? max_page = json_data['maxPage'] ?# 经测试最多可获取100页评论，每页10条
? ? ? ? print("{}评论共{}页".format(SkuId,max_page))
? ? ? ? if max_page==0:
? ? ? ? ? ? IntoComments(SkuId,'0')
? ? ? ? else:
? ? ? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? ? ? # 使用此链接获取评论得到的为json格式
? ? ? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? ? ? # 使用此链接获取评论得到的非json格式，需要提取
? ? ? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? ? ? print("开始获取第{}页评论:{}".format(i+1,url2) )
? ? ? ? ? ? ? ? getComments(session,SkuId,url2)
? ? ? ? ? ? ? ? time.sleep(1)
?
# 获取评论总数量
def getCommentsNum(SkuId,sess):
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式转为字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 获取评论
def getComments(sess,SkuId,url2):
? ? global comments_num
? ? res2 = sess.get(url2)
? ? res2.encoding=res2.apparent_encoding
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要进行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? comments=dict_data['comments']
? ? for item in comments:
? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? # print(comment)
? ? ? ? comments_num+=1
? ? ? ? try:
? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
?
# 商品信息入库
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 评论入库
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("请输入要查询的关键词："))
? ? for i in range(1,2): ? ?# 爬取一页进行测试
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必须这样写
? ? pool=threadpool.ThreadPool(2) ?# 2个线程的线程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 创建任务
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向线程池提交任务
? ? pool.wait() # 等待所有任务执行完毕
? ? print("共获取{}件商品，获得{}条评论，耗时{}".format(num,comments_num,time.time()-start_time))

第三版：

。。。。不行，又出现空白页了

# 不能爬太快！！！不然获取不到评论
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品数量
comments_num=0 ? # 评论数量
?
# 获取商品信息和SkuId
def getIndex(url):
? ? global num
? ? skuids=[]
? ? session=requests.Session()
? ? session.headers=headers
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:3]: ?# 爬取3个商品测试
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 获取书籍时查找店铺的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 获取其他商品时查找店铺的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? skuids.append(([SkuId,session],None))
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection'] = 'keep-alive'
? ? ? ? comments_num=getCommentsNum(SkuId,session) ?# 评论数量
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("开始将商品存入数据库...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? print("开始获取评论并存入数据库...")
? ? pool2=threadpool.ThreadPool(3) ? # 可同时获取3个商品的评论
? ? task=threadpool.makeRequests(getComments,skuids)
? ? for r in task:
? ? ? ? pool2.putRequest(r)
? ? pool2.wait()
?
# 获取评论
def getComments(SkuId,sess):
? ? # 获取评论总页数
? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? res2 = sess.get(url1, headers=headers)
? ? res2.encoding = res2.apparent_encoding
? ? json_data = json.loads(res2.text)
? ? max_page = json_data['maxPage'] ?# 经测试最多可获取100页评论，每页10条
? ? print("{}评论共{}页".format(SkuId, max_page))
? ? if max_page == 0:
? ? ? ? IntoComments(SkuId, '0')
? ? else:
? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? # 使用此链接获取评论得到的为json格式
? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? # 使用此链接获取评论得到的非json格式，需要提取
? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? print("开始获取第{}页评论:{}".format(i + 1, url2))
? ? ? ? ? ? getComments_one(sess, SkuId, url2)
? ? ? ? ? ? time.sleep(1)
?
# 获取评论总数量
def getCommentsNum(SkuId,sess):
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式转为字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 获取单个评论
def getComments_one(sess,SkuId,url2):
? ? global comments_num
? ? res2 = sess.get(url2)
? ? res2.encoding=res2.apparent_encoding
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要进行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? comments=dict_data['comments']
? ? for item in comments:
? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? # print(comment)
? ? ? ? comments_num+=1
? ? ? ? try:
? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? print("rollback！")
? ? ? ? ? ? sess_db.rollback()
?
# 商品信息入库
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 评论入库
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("请输入要查询的关键词："))
? ? for i in range(1,2): ? ?# 爬取一页进行测试
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必须这样写
? ? pool=threadpool.ThreadPool(2) ?# 2个线程的线程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 创建任务
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向线程池提交任务
? ? pool.wait() # 等待所有任务执行完毕
? ? print("共获取{}件商品，获得{}条评论，耗时{}".format(num,comments_num,time.time()-start_time))