爬虫工作量由小到大的思维转变---＜第十一章 Scrapy之sqlalchemy模版和改造(番外)＞

前言:

正常的pymysql当然问题不大,但是我个人还是建议:sqlalchemy!? 因为他更能让我们把精力放在表单设计上,而不执着于代码本身了.

(-----版权所有。未经作者书面同意，不得转载或用于任何商业用途!----)

正文:

先提供一个基础模版:

表图:

创建表的sql:

CREATE TABLE match_info (
  id INT PRIMARY KEY,
  home_team VARCHAR(30), 

  full_score VARCHAR(8),  

  half_score VARCHAR(8), 

  away_team VARCHAR(30),  

  match_time DATETIME,   
#比赛时间如 '2023-12-15 14:30:00'包括年、月、日、时、分、秒
  league VARCHAR(10),   

  corners VARCHAR(10),   

  zhuangtai INT,    
 #状态,1(完成收录) 0(未开始) -1(数据待补)
  created_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  updated_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
 #修改时间
);

代码:

from datetime import datetime
from sqlalchemy import create_engine, Table, Column, Integer, String, MetaData, DateTime
from sqlalchemy.exc import SQLAlchemyError
from sqlalchemy.orm import sessionmaker

class MatchInfoCRUD:
    # 初始化类并建立数据库连接
    def __init__(self):
       
        self.db_uri = 'mysql+pymysql://user:password@localhost/mydatabase'  #填入自己的信息:user:password@localhost/mydatabase
        self.engine = create_engine(self.db_uri)  # 使用数据库URI创建引擎
        self.metadata = MetaData()  # 元数据对象用于收集表对象
        # 定义match_info表结构
        self.match_info = Table('match_info', self.metadata,
                                Column('id', Integer, primary_key=True),  # 主键不自增
                                Column('zhuangtai', Integer),  # 整型状态列
                                Column('league', String(10)),  # 长度为10的字符串类型的联赛列
                                Column('match_time', DateTime),  # 日期时间类型的比赛时间列
                                Column('home_team', String(30)),  # 长度为30的字符串类型的主队列
                                Column('full_score', String(8)),  # 长度为8的字符串类型的全场比分列
                                Column('half_score', String(8)),  # 长度为8的字符串类型的半场比分列
                                Column('away_team', String(30)),  # 长度为30的字符串类型的客队列
                                Column('corners', String(10)),  # 长度为10的字符串类型的角球数列
                                )
        self.metadata.create_all(self.engine)  # 在数据库中创建表
        self.Session = sessionmaker(bind=self.engine)  # 创建与数据库会话的会话工厂

    # 创建新的比赛记录
    def create_match(self, match_data):
        session = self.Session()  # 开启新的会话
        try:
            
            # 创建插入对象并插入数据
            insert_object = self.match_info.insert().values(match_data)
            session.execute(insert_object)  # 执行插入操作
            session.commit()  # 提交事务
            print("数据插入成功。")
        except SQLAlchemyError as e:  # 捕获并处理SQLAlchemy异常
            print(f"插入数据时出现问题: {e}")
        finally:
            session.close()  # 关闭会话

    # 读取比赛记录
    def read_match(self, match_id):
         session = self.Session()  # 开启新的会话
        try:
           
            query = session.query(self.match_info).filter_by(id=match_id)  # 创建查询对象
            match = query.first()  # 获取查询结果的第一条记录
            if match:
                return match  # 返回那条记录
            else:
                return None  # 如果没找到记录，返回None
        except SQLAlchemyError as e:
            print(f"读取数据时出现问题: {e}")
        finally:
            session.close()  # 关闭会话

    # 更新比赛记录
    def update_match(self, match_id, update_data):
         session = self.Session()  # 开启新的会话
        try:
           
            query = session.query(self.match_info).filter_by(id=match_id)  # 创建查询对象
            query.update(update_data)  # 执行更新操作
            session.commit()  # 提交事务
            print("数据更新成功。")
        except SQLAlchemyError as e:
            print(f"更新数据时出现问题: {e}")
        finally:
            session.close()  # 关闭会话

    # 删除比赛记录
    def delete_match(self, match_id):
            session = self.Session()  # 开启新的会话
        try:
            
            query = session.query(self.match_info).filter_by(id=match_id)  # 创建查询对象
            match = query.first()  # 获取查询结果的第一条记录
            if match:
                query.delete()  # 如果找到记录则执行删除操作
                session.commit()  # 提交事务
                print("数据删除成功。")
            else:
                print("未找到相应比赛。")
        except SQLAlchemyError as e:
            print(f"删除数据时出现问题: {e}")
        finally:
            session.close()  # 关闭会话


# 创建MatchInfoCRUD的一个实例
crud = MatchInfoCRUD()

# 创建并插入新的比赛记录
match_data = {
    'id': 1,
    'zhuangtai': 1,
    'league': '联赛数据',
    'match_time': datetime(2023, 12, 15, 14, 30),
    'home_team': 'Team A',
    'full_score': '2-1',
    'half_score': '1-0',
    'away_team': 'Team B',
    'corners': '5-4',
}
crud.create_match(match_data)

# 读取id为1的比赛记录
match_record = crud.read_match(1)
if match_record:
    print(f"读取到比赛记录: {match_record}")
else:
    print("没有找到对应的比赛记录。")

说明:

这里是4个基本属性,增删改查!!!? 直接调用就好了...

潜在改进点,往下看

优化方案:

• 1. 异常处理:
  • ? ?- 可以更精细地管理异常。目前代码中出现任何错误都执行同样的处理，实际应用中可能需要对不同的异常类型进行不同的处理。
• 2. 封装会话管理:
  • ? ?- 代码中反复出现创建和关闭会话的模式，这可以通过上下文管理器或装饰器来优化，减少代码重复并自动管理资源。
• 3. 返回信息:
  • ? ?- `create_match` 方法和其他修改操作只是简单地打印了结果，现实场景中可能需要将操作结果（如新创建的对象）返回给调用者。
• 4. 优化查询:
  • ? ?- 在 `delete_match` 方法中，无需先查询再删除。可以直接使用 `.delete()`，如果有必要确保记录存在，可以在删除后检查 `result.rowcount`。
• 5. 输入检验:
  • ? ?- 创建和更新数据前进行输入有效性检查，防止无效或恶意数据被写入数据库。
• 6. 代码组织:
  • ? ?- 根据 Python 的约定，长的导入语句可以分行。
  • ? ?- ORM 映射通常使用更高级的 `declarative_base` 系统进行，这有助于简化模型定义。
• 7. SQLAlchemy ORM 的使用:
  • ? ?- 目前代码使用了 `Table` 对象和底层的 `insert` 方法。可以让SQLAlchemy ORM 的能力进行映射，并且允许使用会话直接操作对象模型!

案例:

from datetime import datetime
from sqlalchemy import create_engine, Column, Integer, String, DateTime
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.exc import SQLAlchemyError
from sqlalchemy.orm import sessionmaker, scoped_session

# 定义基类
Base = declarative_base()

# 定义 MatchInfo ORM 模型
class MatchInfo(Base):
    __tablename__ = 'match_info'

    id = Column(Integer, primary_key=True)
    home_team = Column(String(30))
    full_score = Column(String(8))
    half_score = Column(String(8))
    away_team = Column(String(30))
    match_time = Column(DateTime)
    league = Column(String(10))
    corners = Column(String(10))
    zhuangtai = Column(Integer)
    created_time = Column(DateTime, default=datetime.now)
    updated_time = Column(DateTime, default=datetime.now, onupdate=datetime.now)

# MatchInfoCRUD 类使用 ORM 模型和会话管理
class MatchInfoCRUD:
    def __init__(self):
        self.db_uri = 'mysql+pymysql://user:password@localhost/mydatabase'
        self.engine = create_engine(self.db_uri)
        Base.metadata.create_all(self.engine)
        self.Session = scoped_session(sessionmaker(bind=self.engine))

    def create_match(self, match_data):
        """创建新的比赛记录"""
        try:
            match = MatchInfo(**match_data)
            self.Session.add(match)
            self.Session.commit()
            print("数据插入成功。")
        except SQLAlchemyError as e:
            self.Session.rollback()
            print(f"插入数据时出现问题: {e}")
        finally:
            self.Session.remove()

    def read_match(self, match_id):
        """读取比赛记录"""
        try:
            match = self.Session.query(MatchInfo).get(match_id)
            return match
        except SQLAlchemyError as e:
            print(f"读取数据时出现问题: {e}")
        finally:
            self.Session.remove()

    def update_match(self, match_id, update_data):
        """更新比赛记录"""
        try:
            match = self.Session.query(MatchInfo).get(match_id)
            for key, value in update_data.items():
                setattr(match, key, value)
            self.Session.commit()
            print("数据更新成功。")
        except SQLAlchemyError as e:
            self.Session.rollback()
            print(f"更新数据时出现问题: {e}")
        finally:
            self.Session.remove()

    def delete_match(self, match_id):
        """删除比赛记录"""
        try:
            match = self.Session.query(MatchInfo).get(match_id)
            if match:
                self.Session.delete(match)
                self.Session.commit()
                print("数据删除成功。")
            else:
                print("未找到相应比赛记录。")
        except SQLAlchemyError as e:
            self.Session.rollback()
            print(f"删除数据时出现问题: {e}")
        finally:
            self.Session.remove()

1. 使用 declarative_base 来创建 ORM 基础类并定义表结构；
2. 采用了 scoped_session 以自动管理会话的生命周期，避免手动关闭会话；
3. 更新 delete_match 方法，现在它会首先尝试获取记录，如果找到则删除，这样还是需要先查询再删除，但这确保了操作的准确性；
4. 删掉了直接操作 Table 对象，改为使用 ORM 映射的类和实例来管理数据。

接下来对提供的MatchInfoCRUD类进行几个关键方面的优化，包括封装会话管理、优化查询处理，以及使用 SQLAlchemy ORM 更优雅地定义和交互数据库模型。这里需要使用 SQLAlchemy 的声明式基类declarative_base来简化模型定义，以及使用上下文管理器来自动化会话的生命周期管理。

from datetime import datetime
from sqlalchemy import create_engine, Column, Integer, String, DateTime
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.exc import SQLAlchemyError
from sqlalchemy.orm import sessionmaker, scoped_session

# 使用declarative_base创建ORM模型的基类
Base = declarative_base()

# 定义MatchInfo ORM模型
class MatchInfo(Base):
    __tablename__ = 'match_info'
    id = Column(Integer, primary_key=True)
    zhuangtai = Column(Integer)
    league = Column(String(10))
    match_time = Column(DateTime)
    home_team = Column(String(30))
    full_score = Column(String(8))
    half_score = Column(String(8))
    away_team = Column(String(30))
    corners = Column(String(10))
    created_time = Column(DateTime)
    updated_time = Column(DateTime)

# 自定义上下文管理器，管理数据库会话的生命周期
class DBSessionManager:
    def __init__(self, db_uri):
        self.engine = create_engine(db_uri)
        self.Session = scoped_session(sessionmaker(bind=self.engine, autocommit=False, autoflush=False))

    def __enter__(self):
        self.session = self.Session()
        return self

    def __exit__(self, exc_type, exc_val, exc_tb):
        self.session.close()

class MatchInfoCRUD:
    # 初始化类并建立数据库连接
    def __init__(self, db_uri):
        self.db_manager = DBSessionManager(db_uri)
        Base.metadata.create_all(self.db_manager.engine)

    # 创建新的比赛记录
    def create_match(self, match_data):
        with self.db_manager as db:
            try:
                match = MatchInfo(**match_data)
                db.session.add(match)
                db.session.commit()
                print("数据插入成功。")
            except SQLAlchemyError as e:
                db.session.rollback()
                print(f"插入数据时出现了问题: {e}")

    # 查询等其他方法同理可以通过db_manager动态管理会话

# 使用新的CRUD接口进行操作
db_uri = 'mysql+pymysql://user:password@localhost/mydatabase'  # 请填入数据库URI
crud = MatchInfoCRUD(db_uri)

match_data = {
    'id': 1,
    'zhuangtai': 1,
    'league': '联赛数据',
    'match_time': datetime(2023, 12, 15, 14, 30),
    'home_team': 'Team A',
    'full_score': '2-1',
    'half_score': '1-0',
    'away_team': 'Team B',
    'corners': '5-4',
    'created_time': datetime.now(),
    'updated_time': datetime.now(),
}

crud.create_match(match_data)

# 后续其他增删改查操作可以类似地实现

1. 封装会话管理：通过DBSessionManager上下文管理器类来管理会话的开启和关闭，使得对于每个数据库会话，无需重复编写打开和关闭的代码。
2. 优化查询：利用ORM的能力来直接添加、查询和更新数据，没有使用底层的表和查询语句。
3. SQLAlchemy ORM 的使用：使用了declarative_base来定义SQLAlchemy ORM模型，从而提供ORM的完全功能，并写了一个ORM类MatchInfo来映射match_info表。

总结:

? ? 一个强大的 Python SQL 工具包和 ORM（对象关系映射器），来改善数据库操作的效率和代码的整洁性。首先定义了一个 ORM 模型来映射数据库表，然后构建了一个管理数据库会话生命周期的上下文管理器。在实际的 CRUD（创建、读取、更新、删除）操作中，直接对 ORM 对象进行操作，而不是执行原始 SQL 语句。这样使得代码更加简洁、容易理解和维护，也更加面向对象。通过这种方式，我们将耗时的数据库管理工作交给 SQLAlchemy，自己就能专注于业务逻辑和数据的设计上了。简而言之，就是让代码更加简洁、高效，同时也降低了出错的几率。

(-----版权所有。未经作者书面同意，不得转载或用于任何商业用途!----)