1、需求
采集任务构造入库。实现200多个网站的标题、时间、内容等信息的采集信息配置，并插入mysql中。
2、实现步骤
步骤1：人工实现Excel表格配置。
定义好唯一索引，如第一列的序号。好处：
1）序号可以成为mysql中的索引。
2）序号规定后，可以实现分布式，1个人4个小时。真正可以实现4个人1小时完成任务。（真正的分布式）
这点，非常重要。
关于索引，实践表明，对于每个网站入口唯一值的定义unique索引，能更进一步防止冲突，确保唯一。
步骤2：将表格存入到txt中。
在linux环境下，进行dos2unix格式转换，确保utf-8编码，确保没有乱码。
步骤3：脚本实现一键构造sql语句。
3、脚本源码
#!/bin/sh
P2P_CONFIG_FILE=./base_config.txt
ONE_LINE=./output/config_line.txt
#read line by line
cat $P2P_CONFIG_FILE | while read line
do
mkdir -p ./output
echo $line > $ONE_LINE;
#echo line=$line
id_01=`cat $ONE_LINE | awk -F " " '{ print $1 }'`;
name_02=`cat $ONE_LINE | awk -F " " '{ print $2 }'`;
url_03=`cat $ONE_LINE | awk -F " " '{ print $3 }'`;
lstcharset_04=`cat $ONE_LINE | awk -F " " '{ print $4 }'`;
concharset_05=`cat $ONE_LINE | awk -F " " '{ print $5 }'`;
notice_url_06=`cat $ONE_LINE | awk -F " " '{ print $6 }'`
titleXpath_07=`cat $ONE_LINE | awk -F " " '{ print $7 }'`
timeXpath_08=`cat $ONE_LINE | awk -F " " '{ print $8 }'`
contentXpath_09=`cat $ONE_LINE | awk -F " " '{ print $9 }'`
touch ./tmp.txt
echo $titleXpath_07 >> ./tmp.txt
sed -i "s#\"#\\\'#g" ./tmp.txt
titleXpath_07=`cat ./tmp.txt`
#echo $id_01
#echo $name_02
#echo $url_03
echo "INSERT INTO test.mdia_config (id, source_name, entry_url, list_charset, content_charset, channel_id, media_class, site_id, class_id, list_xpath, title_xpath, publish_time_xpath, content_xpath, click_count_xpath, comment_count_xpath, repost_count_xpath, list_js_enabled, content_js_enabled, last_deliver_time, deliver_period, weight, proxy_gather, delete_flag) VALUES ('$id_01', '$name_02', '$notice_url_06', '$lstcharset_04', '$concharset_05', '1', '1', '$id_01', '1', '[\"$titleXpath_07\"]', '', '$timeXpath_08', '$contentXpath_09', '', '', '', '0', '0', '2016-11-19 05:02:11', '600', '0', '0', '0');"
rm -f $ONE_LINE
rm -f ./tmp.txt
done;注意点：
1）逐行读取；
2）对于每一列的读取，采取了循环存储临时文件，然后循环删除的方法。（2年前跟同事学的，非常凑效）
3）注意sql中对单引号、双引号的提前处理，确保sql语句合法。这点，可以去navicate里面去验证sql语句。
4、小结
能够脚本实现提高效率的，坚决不用手动敲入。
是的，就是简单的几行，也要写个循环。效率见于平时，效率见于细节。
作者：铭毅天下
转载请标明出处，原文地址：
http://blog.csdn.net/laoyang360/article/details/53236018
