讲师中心 微信公众号

工具推荐

视频效率加速
Seko
Seko

AI短剧一键生成成片

剧云
剧云

中文短剧剧本制作平台

AniShort
AniShort

AI短剧协同制作平台

updream

一键生成高质量推广成片

如何使用Python Pandas将爬取的非结构化数据直接存入MySQL?

酷静君_4155

酷静君_4155

发布时间:2026-07-08 06:29:31

|

642人浏览过

|

来源于php中文网

原创

不能直接用to_sql存原始爬取数据,因原始数据常含字典、None、嵌套结构等,不满足DataFrame列名唯一、dtype明确、行对齐的硬性要求,易报错;须先标准化列名、收敛类型、扁平化嵌套结构。

如何使用python pandas将爬取的非结构化数据直接存入mysql?

为什么不能直接用 to_sql 存原始爬取数据?

爬取回来的数据(比如 HTML 表格、JSON 嵌套、文本混排)通常不是规整的二维表结构,pd.DataFrame.to_sql 要求输入必须是合法的 DataFrame:列名唯一、每列 dtype 明确、行数对齐。直接喂给它一个含字典列表、None 混杂、或某字段是嵌套 list 的数据,会立刻报 ValueError: DataFrame constructor not properly called! 或 TypeError: Invalid type for column xxx。

清洗阶段必须做三件事

在调用 to_sql 前,得把“看起来像数据”的东西变成“数据库能认的数据”。重点不是写多复杂,而是卡住三个硬性门槛:

  • 列名标准化:去掉空格、特殊字符、重复名,用 df.columns = df.columns.str.replace(r'[\s\W]+', '_', regex=True)
  • 强制类型收敛:对含混合类型的列(如数字+字符串),先用 pd.to_numeric(x, errors='coerce') 或 astype(str) 统一;日期字段必须转成 pd.to_datetime(..., errors='coerce')
  • 扁平化嵌套结构:如果某列值是 {"name": "A", "id": 123} 这种 dict,不能留着——要么用 pd.json_normalize() 拆成多列,要么用 df['col'].apply(lambda x: x.get('name') if isinstance(x, dict) else None) 提取单字段

to_sql 的关键参数避坑指南

很多问题出在参数没对上 MySQL 实际约束,而不是数据本身:

使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中
使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中

当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。

下载
  • if_exists='replace' 会删表重建,清空原有索引和主键;生产环境更常用 'append',但得确保目标表已存在且字段匹配
  • dtype 参数必须显式传:MySQL 的 VARCHAR(255)、INT、DATETIME 都要映射到 sqlalchemy.types 类型,例如 {'title': sqlalchemy.String(255), 'price': sqlalchemy.Float}
  • 默认 method=None 是逐行 INSERT,万级数据就明显变慢;加 method='multi' 可批量提交(但要求 MySQL 版本 ≥ 5.7.18,且驱动用 pymysql 或 mysqlclient,mysql-connector-python 不支持)

连接字符串里最容易漏掉的配置项

连不上、中文乱码、超时中断,八成是 URL 缺了这几个:

立即学习“Python免费学习笔记(深入)”;

  • charset=utf8mb4:否则插入 emoji 或四字节 UTF-8 字符(如某些生僻汉字)会报 Incorrect string value
  • autocommit=True:避免事务未提交导致查不到刚写入的数据(尤其调试时)
  • connect_timeout=30:网络不稳时,默认 10 秒超时太短,容易抛 OperationalError: (2013, 'Lost connection')

完整示例连接串:mysql+pymysql://user:pass@host:3306/db?charset=utf8mb4&autocommit=True&connect_timeout=30

实际跑通的关键不在“怎么存”,而在“存之前有没有让每一列都满足 MySQL 对字段定义的最小契约——非空约束、长度限制、类型兼容。爬虫输出的原始数据永远是半成品,Pandas 是工具,不是魔法。

热门AI工具

更多
超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

Loomy
Loomy Hot

一款AI工具,主要用于科大讯飞发布的桌面级 AI 助理,比 OpenClaw 更易用、更安全!,适合需要提升相关任务效率的用户。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5644

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1909

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34557

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4027

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Pandas 教程
Pandas 教程

共15课时 | 2万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn