前言

最近研究了下python爬虫，想爬取一些数据存储到clickhouse里，进行分析。由于是新手，搜了好多教程，也踩了好几天的坑，记录一下，防止以后再走弯路。

连接代码

#引入库from clickhouse_driver import Client# 建立连接，注意这里的参数赋值方式client = Client(host='xx.xx.xx.xx', port=8900, user='default', password='xxxxx@xxxxx', database='default')result = client.execute('show tables')print(type(result), result)for row in result:print(row)client.disconnect()

经验总结

遇到的问题主要集中在建立连接语句上，client = Client(host=‘xx.xx.xx.xx’, port=8900, user=‘default’, password=‘xxxxx@xxxxx’, database=‘default’)

  1. 参数赋值方式。使用 host= 格式赋值

  2. 端口用错问题。clickhouse 数据库启动时会建立三个端口监听，http端口是给第三方工具连接使用的，tcp端口才是给python 代码连接使用的。要查看对应clickhouse配置的端口，参见其他文章 clickhouse安装及简单使用

  3. 端口确认问题。在配置前，先使用telnet确认 端口服务已开启，若端口配置是对的，但还不能通，要考虑下防护墙问题。

  4. 按照以上要求，都是可以连接成功的。有的教程说还是连接不成功，八成还是端口问题。

执行查询

#引入库from clickhouse_driver import Client# 建立连接，注意这里的参数赋值方式client = Client(host='xx.xx.xx.xx', port=8900, user='default', password='xxxxx@xxxxx', database='default')result = client.execute("select * from lotto limit 2")for row in result:print(row)client.disconnect()

若是查询语句带了Date32类型的字段，就会报错 KeyError: -25567，原因是表里记录的创建时间字段的值都是‘1900-01-01’，clickhouse系统默认时间，python无法处理，改成其他时间即可解决问题。

执行插入

#引入库from clickhouse_driver import Client# 建立连接，注意这里的参数赋值方式client = Client(host='xx.xx.xx.xx', port=8900, user='default', password='xxxxx@xxxxx', database='default')insert_sql = 'INSERT INTO `default`.lotto(id, `number`,award_date, award_result, f1, f2, f3, f4, f5, b1, b2)VALUES'data = [(uuid.uuid4().__str__(), '123', datetime.datetime.strptime('2024-01-17', '%Y-%m-%d').date(), '012325', '01', '1', '2', '3', '4', '5', '6', datetime.datetime.strptime('2024-01-17', '%Y-%m-%d').date())]result = client.execute(insert_sql, data)for row in result:print(row)client.disconnect()

执行插入时，data的拼接是有规则限制的；

  1. data 要是一个列表类型（即使插入一行），里面是一行行要插入的记录，记录要使用元组类型封装
  2. 日期不能直接写 ‘2024-01-17’字符类型，不然会报错，需要转成datetime.date类型
  3. UUID生成的类型不是字符类型，需要转成对应的字符类型