CSDN热榜分析6：将实时爬取的热榜数据导入sqlite

文章目录

初始化数据库

引入数据库的目的不止是为了存储，更多地也是为了便于查询，否则也没必要用一个Text控件来展示信息了。

所以一个正常的工作逻辑是，一打开热榜分析系统，也就同步打开数据库，然后随用随查，而打开数据库之后需要检查是否已经建立了热榜表格，如果没建立那么就建立一下。

所以在初始化函数中新增一个self.initSql()，内容如下

python 复制代码

def initSql(self):
    self.dbCSDN = sqlite3.connect('csdn.db')
    HEADS = 'create table heat (日期 int, 时间 int, 热榜 text, 序号 int, '
    HEADS += '标题 text, 作者 text, 浏览 int, '
    HEADS += '评论 int, 收藏 int, 热度 int)'
    try: self.dbCSDN.execute(HEADS)
    except: pass

如果已经有了heat表格，那么再去创建就会报错，所以只要pass掉就可以了。

接口更改

相比于读取完所有数据之后一次性导入数据库，在数据爬取的过程中导入显然更加自然。

另一方面，读取数据需要新开一个线程，而sqlite3模块并不支持跨线程操作，所以只能等数据传回来再操作，

这两个条件，就基本框定了技术方案，只能在爬虫回调时写入数据库，但之前的回调函数是直接把当前爬取的数据列表传回，而非单条数据，所以需要花费一点精力修改接口，主要就是把大部分调用回调函数的地方，从类似callback(blogs)改为callback(b)，然后将backOneSubHeat改成下列形式

python 复制代码

def backOneSubHeat(self, L, info, field=None):
    if field not in self.subHeats:
        self.subHeats[field] = []
    if L != []:
        self.subHeats[field].append(L)
    if info.endswith("完毕"):
        n = len(self.subHeats[field])
        self.addLogs(f"共读取了{field}领域{n}篇博客")

同时为了接口统一，之前的backAllSubHeat就没有必要存在了，同时更改getAllSubHeatInfos函数

python 复制代码

def getAllSubHeatInfos(callback):
    blogs = {}
    for key in SUB_HEATS:
        func = lambda L, info : callback(L, info, key)
        func([], f"正在读取{key}领域热榜")
        blogs[key] = getHeatInfos(func, key)
        func([], f"{key}已经读取完成")
    func([], f"所有领域热榜都已读取完成")
    return blogs

数据库写入

最麻烦的工作结束了，现在可以开始数据库写入

python 复制代码

# L为回传的数据
def importHeatToSql(self, L, field):
    CODE = "insert into heat values (date('now'), time('now'), "
    bInfo = ', '.join([f"'{iL}'" for iL in L])
    c = CODE + f"'{field}', {bInfo})" 
    try: 
        self.dbCSDN.execute(c)
    except Exception as e: 
        print(e, c)

最后，在关闭窗口时，别忘了存储和关闭数据库，首先在初始化函数中添加

python 复制代码

self.root.protocol("WM_DELETE_WINDOW", self.exit)

其self.exit内容如下

python 复制代码

def exit(self):
    self.dbCSDN.commit()
    self.dbCSDN.close()
    self.root.destroy()

为了确保的的确确把数据写入了数据库，可以用SQLiteStudio查看一下，