6.8 数据存储——MySQL快速入门（下载网址及安装过程、基本操作）

• 前面学习了如何将爬取的数据存储到文本文件、CSV文件或Excel工作簿中，但是当数据量非常大时，在这类软件中查找和管理数据会很不方便，因此，我们需要一个专门用于存取和管理数据的软件——数据库。数据库的存储量很大，在商业实战中应用很多，本节会详细讲解MySQL数据库的基础知识，为学习用Python操作数据库做好准备。

6.8.1 MySQL的安装

• MySQL 是最常用的数据库之一。MySQL 是用二维表格来组织数据，其结构和Excel工作表非常相似，也可以把它理解为一个位于云端的大型Excel。
• 首先来讲解MySQL 的安装。这里介绍一个比较简单和快捷的安装方法——WampServer安装法。WampServer是一款整合了Apache(一种编程语言）解释器及MySQL 的软件包。它会自动设置好环境变量，不需要像传统的数据库安装方法any进行较为复杂的环境变量配置。

注意: WampServer只支持Windows。对于Linux或MacOS，可以安装XAMPP,详见文本的“补充知识点”。

• 在浏览器中用搜索引擎搜索“WampServer官方下载”，进入网址https://sourceforge.net/projects/wampserver/，单击“Download”按钮，既可下载WampServer安装包。
  
• 此外，也可打开WampServer官网的英文版（https://www.wampserver.com/en/）

具体安装过程详见：

• 如果操作系统版本较旧，可能会因缺少插件导致WampServer安装失败，此时需要先安装插件，在重新安装WampServer。

注意：在安装插件之前，需要卸载安装失败的WampServer，否则安装完插件也不会生效。

• 安装插件可参考本书《零基础学Python网络爬虫 案例实战全流程详解（入门与提高篇）》249页。
• WampServer 运行失败的常见解决办法，参见本书251页。

6.8.2 MySQL的基本操作

• 安装好WampServer后，就可以开始学习MySQL了。本书将介绍MySQL管理平台phpMyAdmin,然后介绍数据库和数据表的创建方法以及数据表的基本操作，最后简单介绍数据表的管理功能。

1.MySQL管理平台phpMyAdmin介绍

• phpMyAdmin 是一款在线数据库管理平台，可以在浏览器中直接管理MySQL。用上一节介绍的方法打开phpMyAdmin的登录页面，输入用户名和密码并登录之后，进入如下图所示的界面。
  

• 页面顶部显示的是MySQL的端口，这里默认端口3306。如果之前修改过端口，那么这里显示的是修改之后的端口，例如，之前将端口改成3308，这里就会显示3308。

• 在页面左侧可以看到一些默认的数据库。数据库好比是大型的Excel工作簿，数据表则是Excel工作簿中的工作表，而phpMyAdmin就像一个在线存储各个Excel工作簿的文件夹。

2.创建数据库和数据表

• 创建数据表之前先得创建数据库。（1）在phpMyAdmin 页面左侧上方单击“新建”链接，在右侧会显示新建数据库页面，（2）输入数据库名称，如“pachong”，（3）然后选择排序规则，所谓排序规则其实就是编码格式，一般选择支持中文的“utf8_general_ci”，（4）最后单击“创建”按钮，如下图所示，即可创建数据库。
  

• 如下图所示，（1）此时页面左侧或新增一个名为“pachong”的数据库，（2）并在右侧提示需要在该数据库中新建一个数据表，（3）输入数据表名称，如“test”,（4）然后设置字段数，即数据表的列数，这里保留默认值4不变，之后可以再根据需求修改，（5）最后单击“执行”按钮，即可创建数据表。
  

• 随后进入数据表的结构设置页面。（1）如果要添加新字段，可在上方的“添加”文本框中输入数量，（2）再单击“执行”按钮，（3）然后在下方输入各个字段的“名字”“类型”“长度/值”等，（3）最后单击“保存”按钮，如下图所示。
  
  

• 前面创建的数据表保留默认的4列没有改，而实际上需要有5列，所以在“添加”文本框中输入“1”,再单击“执行”按钮，添加新的1列。(之前遗漏的href列）。

• 接着来定义各个列（字段）。必填的内容有“名字”“长度/值”，否则无法创建数据表。“名字”就是列名；“类型”就是数据的类型，字符串类型的数据选择VARCHR选项（也可以选择TEXT长超文本类型，区别不大），整数类型的数据选择INT选项，这两种数据类型用的较多；“长度/值”是列中存储数据的最大长度，它并不会占用数据空间，所以一般都设为1024，只要字符串不是太长，基本都够用，但最好也别设太大，否则可能会影响数据存储速度。

• 这里分别输入每一列的“名字”为company(公司名称)、title（新闻标题）、href（新闻网址）、date（新闻日期）、source（新闻来源），“类型”都选择VARCHAR（字符串类型），“长度/值”都输入1024，最后单击页面有下脚的“保存”。

• 除了“名字”“类型”“长度/值”这3项必填内容，这里简单介绍一下其他非必填内容：“默认”选项是指这一列的默认内容，可以为空值或其他内容；“排序规则”选项就是数据编码格式，如果之前没有设置，那么这里每一列的“排序规则”都得单独设置，否则默认设置为不支持中文的latin1编码格式。

3. 数据表格的基本操作

• 创建完数据表并单击“保存”按钮后，会跳转到如下面所示的页面。
  

• 其中最常用的5个功能是“浏览”“结构”“SQL”“插入”“搜索”。

（1）结构

• “结构”功能主要用于查看和修改数据表的基本结构。如果要添加新的一列，或者发现设定的字符串长度不够，都可以在这里修改。

（2）插入

• 单击“插入”按钮，会默认插入两行数据。在最右边的“值”列中输入要插入的数据内容。例如，输入两组数据，一组是阿里巴巴的新闻，一组是百度的新闻，然后单击“执行”按钮，如下图所示。
  
• 随后会跳转到如下图所示的“SQL”界面，并显示数据插入成功的提示消息。其中显示的是SQL语句就是把刚才数据的操作以代码的方式呈现出来，因此，如果单击右下角的“执行”按钮，就会执行SQL语句，把刚才插入的数据再插入一遍。
  
  （3）浏览
• 插入数据后，单击“浏览”按钮，即可浏览数据表中的数据内容，如下图所示。此功能用得比较少，更多的时候是用“搜索”功能来查找需要的数据内容。
  
  （4）搜索
• “搜索”功能是比较常用的，可以通过它来寻找并查看所需内容。例如，可以在下图所示的“搜索”页面中搜索company（公司名称）为“阿里巴巴”的内容。
  
• 单击“执行”按钮便能搜索到公司名称为“阿里巴巴”的数据内容，如下图所示。用类似的手段还可以搜索标题、日期或来源的内容。
  

（3）浏览

• 插入数据后，单击“浏览”按钮，即可浏览数据表的数据内容，如下图所示。此功能用得比较少，更多的时候是用“搜索”功能来查找需要的数据内容。
  

（4）搜索

• “搜索”功能是比较常用的，可以通过它来寻找并查看所需内容。例如，可以在下图所示的“搜索”页面中搜索company（公司名称）为“阿里巴巴”的内容。
  
• 单击“执行”按钮便能搜索到公司名称为“阿里巴巴”的数据内容，如下图所示。用类似的手段还可以搜索标题、日期和来源的内容。
  

（5）SQL

• SQL 语句是Python和数据库进行交互的桥梁，与之前的内容相比较稍微有点难，但是通过phpMyAdmin的“SQL”功能学起来会轻松一些。所谓SQL语句就是以代码的方式对数据进行增、删、改、查等操作。
• 单击“SQL”按钮，可以看到如下图所示的界面，代码输入框下方的按钮分别对应数据的查（SELECT*、SELECT）、增（INSERT）、改（UPDATE）、删（DELETE）。在右侧的“字段”列表框中双击字段，即可在左侧的代码输入框里快速插入对应的的字段名。
  
• 首先来讲“查”。前面介绍的“搜索”功能就属于“查”，对应的SQL语句为：

SELECT * FROM `数据表名` WHERE 字段 LIKE '内容'

• "SELECT * FROM 数据表名"是指选择该数据表里的所有“WHERE 字段 LIKE ‘内容’”则是指对指定字段按条件进行筛选。例如，前面在数据表“test”中搜索company（公司名称）为“阿里巴巴”对应的SQL语句就是：

SELECT * FROM `test` WHERE `company` LIKE '阿里巴巴'

• 上述SQL语句实现的是100%精确查找，其中的LIKE也可以换成“=”号。LIKE还能实现模糊查找，不过需要在查找内容前后加上“%”。例如，“LIKE ‘阿里%’”表示查找以“阿里”两个字开头的内容，“LIKE ‘%巴巴’”表示查找以“巴巴”两个字结尾的内容，“LIKE ‘%里巴%’”则表示查找包含“里巴”两个字的内容。
• 如下图所示，（1）表示“SQL”功能区单击“SELECT*”按钮，（2）会在代码输入框自动生成SQL语句，和上面的语句类似，不过“WHERE”后是“1”（即True）。如果此时单击“执行”按钮，它会不经过筛选直接把表里的内容都显示。把“1”删除，在“字段”列表框中双击“company”字段，即可在“WHERE”后插入“company”,继续输入一个空格，接着输入“LIKE ‘阿里巴巴’”，就得到了和前面一样的SQL语句，最后单击“执行”按钮，就可以查找数据表所有公司成为“阿里巴巴”的记录了。
  
  

SELECT `company`, `title`, `href` FROM `test` WHERE `company` LIKE '阿里巴巴'

• 执行结果如下图所示。
  
• 如果有多个查找条件，可以在SELECT*用“AND” 来连接，如下图所示：

SELECT * FROM `test` WHERE `title` LIKE '标题1' AND `href` = '链接1'

• 指定结果如下图所示，即同时筛选标题和链接。
  
• 其次讲“增”。如果想插入一条含有5个值的数据记录，对应的SQL语句为：

INSERT INTO `数据表明`(`字段1`, `字段2`, `字段3`, `字段4`, `字段5`) VALUES ('值1','值2','值3','值4','值5')

• 其中“INSERT”就是插入的意思，通过“VALUES” 连接想要的值。
• 例如，在数据表中“test”中插入“company”为“阿里巴巴”、“title”为“标题2”、“href”为“链接2”、“date”为“日期2”、“source”为“来源2”的一条数据记录，对应的SQL语句为：

INSERT INTO `test`(`company`, `title`, `href`, `date`, `source`) VALUES ('阿里巴巴','标题2','链接2','日期2','来源2')

• 如果要插入多条记录，在上述语句汇后加一个逗号，再加一个括号包围要插入的值，如下所示：

INSERT INTO `test`(`company`, `title`, `href`, `date`, `source`) VALUES ('阿里巴巴','标题2','链接2','日期2','来源2'),('华能信托','标题1','链接1','日期1','来源1')

• 最后将“删”（“改”在爬虫任务中用的较少，这里不做讲解）。“删”的SQL语句为：

DELETE FROM `test` WHERE `字段` = '内容'

• 例如，要删除数据表“test”中所有“company”为“百度”的数据记录，SQL语句为：

DELETE FROM `test` WHERE `company` = '百度'

• “删”和“查”的SQL语句比较相似，知识把“SELECT*”换成了“DELETE”。将常用的SQL语句总结一下，下一节讲解Python与数据库的交互时会用到。

# 查
SELECT * FROM `数据表名` WHERE 字段 LIKE '内容'
# 增
INSERT INTO `test`(`company`, `title`, `href`, `date`, `source`) VALUES ('阿里巴巴','标题2','链接2','日期2','来源2')
# 删
DELETE FROM `test` WHERE `字段` = '内容'

4. 数据表的管理功能

• 数据表的管理有“导入”“导出”“权限”“操作”，如下图所示。这些功能不太常用，这里只做简单介绍。
  
  “导入”就是从本地导入数据表，“导出”则是把数据导出到本地，它们都支持多种格式的文件。“权限”用于设置他人访问数据库的权限。“操作”用于更改数据库中数据表的排序，将其他数据库中的数据表移动或复制到当前数据库，以及重命名当前数据库，以及重命名数据表、清空数据表等。