sqlite查询3天前的数据

以下是查询3天前数据的SQLite语句：

SELECT * FROM 表名 WHERE date('now', '-3 day') >= date(日期字段名);

其中，`表名`为需要查询的表格名称，`日期字段名`为表格中存储日期的字段名称。这条语句会查询出3天前及3天前之前的所有数据。

相关问题

用c语言实现每隔一天删除sqlite3数据库中的数据

要使用 C 语言实现每隔一天删除 SQLite3 数据库中的数据，您可以使用系统定时任务来触发数据库清理操作。下面是一个示例代码：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <time.h>
#include <sqlite3.h>

int main() {
    // 获取当前时间
    time_t current_time = time(NULL);
    struct tm *timeinfo = localtime(&current_time);
    
    // 设置每隔一天执行数据库清理操作的时间（假设为凌晨 00:00:00）
    timeinfo->tm_hour = 0;
    timeinfo->tm_min = 0;
    timeinfo->tm_sec = 0;
    
    // 计算下一个清理时间点的时间戳
    time_t next_clear_time = mktime(timeinfo) + 24 * 60 * 60;
    
    // 计算当前时间与下一个清理时间点的时间差
    int sleep_time = (int)(next_clear_time - current_time);
    
    // 等待到下一个清理时间点
    sleep(sleep_time);
    
    // 连接到数据库
    sqlite3 *db;
    int rc = sqlite3_open("database.db", &db);
    
    if (rc != SQLITE_OK) {
        fprintf(stderr, "无法打开数据库: %s\n", sqlite3_errmsg(db));
        sqlite3_close(db);
        return 1;
    }
    
    // 执行删除操作
    char *sql = "DELETE FROM table_name WHERE condition";
    rc = sqlite3_exec(db, sql, 0, 0, NULL);
    
    if (rc != SQLITE_OK) {
        fprintf(stderr, "删除数据失败: %s\n", sqlite3_errmsg(db));
    } else {
        printf("数据删除成功！\n");
    }
    
    // 关闭数据库连接
    sqlite3_close(db);
    
    return 0;
}

在上面的代码中，您需要替换 `database.db` 为您实际的数据库文件名，`table_name` 为要删除数据的表名，`condition` 为指定要删除数据的条件。

请注意，上述代码仅提供了一个基本的框架，您可能需要根据实际情况进行适当的修改和调整。另外，为了实现每隔一天自动执行数据库清理操作，您需要将该代码部署在一个长时间

scrapy爬取宁波的三十天天气预报并用sqlite存储爬取数据

好的，我可以为您提供相关的代码实现，但在开始之前，请确保您已经安装了Scrapy和SQLite。以下是实现步骤：

1. 创建Scrapy项目

在命令行中使用以下命令创建Scrapy项目：

scrapy startproject weather

2. 创建Spider

在Scrapy项目中创建一个名为 "weather_spider.py" 的Spider。在该Spider中，我们将使用XPath选择器从网站中提取所需数据。以下是示例代码：

import scrapy
from weather.items import WeatherItem

class WeatherSpider(scrapy.Spider):
    name = "weather"
    allowed_domains = ["tianqi.com"]
    start_urls = ["https://www.tianqi.com/ningbo/"]

    def parse(self, response):
        item = WeatherItem()
        item["date"] = response.xpath('//div[@class="day7"]/ul[@class="week"]/li/h1/text()')\
            .extract()
        item["day_condition"] = response.xpath('//div[@class="day7"]/ul[@class="txt"]/li/p[@class="wea"]/text()')\
            .extract()
        item["night_condition"] = response.xpath('//div[@class="day7"]/ul[@class="txt"]/li/p[@class="wea"]/text()')\
            .extract()
        item["high_temp"] = response.xpath('//div[@class="day7"]/ul[@class="txt"]/li/p[@class="tem"]/span/text()')\
            .extract()
        item["low_temp"] = response.xpath('//div[@class="day7"]/ul[@class="txt"]/li/p[@class="tem"]/i/text()')\
            .extract()
        yield item

在该Spider中，我们从 https://www.tianqi.com/ningbo/ 网站中提取了日期、白天天气状况、晚上天气状况、最高温度和最低温度。

3. 创建Item

在Scrapy项目中创建一个名为 "items.py" 的Item。以下是示例代码：

import scrapy

class WeatherItem(scrapy.Item):
    date = scrapy.Field()
    day_condition = scrapy.Field()
    night_condition = scrapy.Field()
    high_temp = scrapy.Field()
    low_temp = scrapy.Field()

在该Item中，我们定义了从网站中提取的数据字段。

4. 配置Pipeline

在Scrapy项目中创建一个名为 "pipelines.py" 的Pipeline。以下是示例代码：

import sqlite3

class WeatherPipeline(object):
    def __init__(self):
        self.create_connection()
        self.create_table()

    def create_connection(self):
        self.conn = sqlite3.connect("weather.db")
        self.curr = self.conn.cursor()

    def create_table(self):
        self.curr.execute("""DROP TABLE IF EXISTS weather_tb""")
        self.curr.execute("""create table weather_tb(
                        date text,
                        day_condition text,
                        night_condition text,
                        high_temp text,
                        low_temp text
                        )""")

    def process_item(self, item, spider):
        self.store_db(item)
        return item

    def store_db(self, item):
        self.curr.execute("""insert into weather_tb values (?,?,?,?,?)""", (
            item["date"][0],
            item["day_condition"][0],
            item["night_condition"][0],
            item["high_temp"][0],
            item["low_temp"][0]
        ))
        self.conn.commit()

在该Pipeline中，我们首先创建了SQLite数据库连接和游标。然后，我们定义了一个 "create_table" 函数来创建数据库表。最后，我们定义了一个 "store_db" 函数来将数据存储到数据库中。

5. 配置Settings

在Scrapy项目中的 "settings.py" 文件中添加以下代码：

ITEM_PIPELINES = {'weather.pipelines.WeatherPipeline': 300}

该代码将我们创建的Pipeline添加到Scrapy项目中。

6. 运行Spider

在命令行中使用以下命令运行Spider：

cd weather
scrapy crawl weather

运行完成后，您可以在SQLite数据库中查看存储的数据。

希望这可以帮助您实现所需的功能！