爬虫Scrapy-04Item Pipeline
来源:互联网 发布:淘宝直通车定时投放 编辑:程序博客网 时间:2024/05/17 23:27
当Item在Spider中被收集之后,它将会被传递到Item Pipeline,这些Item Pipeline组件按定义的顺序处理Item。
每个Item Pipeline都是实现了简单方法的Python类,比如决定此Item是丢弃而存储。以下是item pipeline的一些典型应用:
- 验证爬取的数据(检查item包含某些字段,比如说name字段)
- 查重(并丢弃)
- 将爬取结果保存到文件或者数据库中
01-编写item pipeline
编写item pipeline很简单,item pipiline组件是一个独立的Python类,其中process_item()方法必须实现:
import somethingclass SomethingPipeline(object): def __init__(self): # 可选实现,做参数初始化等 # doing something def process_item(self, item, spider): # item (Item 对象) – 被爬取的item # spider (Spider 对象) – 爬取该item的spider # 这个方法必须实现,每个item pipeline组件都需要调用该方法, # 这个方法必须返回一个 Item 对象,被丢弃的item将不会被之后的pipeline组件所处理。 return item def open_spider(self, spider): # spider (Spider 对象) – 被开启的spider # 可选实现,当spider被开启时,这个方法被调用。 def close_spider(self, spider): # spider (Spider 对象) – 被关闭的spider # 可选实现,当spider被关闭时,这个方法被调用
02-案例
item写入JSON文件
以下pipeline将所有(从所有’spider’中)爬取到的item,存储到一个独立地items.json 文件,每行包含一个序列化为’JSON’格式的’item’:
import jsonclass ItcastJsonPipeline(object): def __init__(self): self.file = open('teacher.json', 'wb') def process_item(self, item, spider): content = json.dumps(dict(item), ensure_ascii=False) + "\n" self.file.write(content) return item def close_spider(self, spider): self.file.close()
启用一个Item Pipeline组件
为了启用Item Pipeline组件,必须将它的类添加到 settings.py文件ITEM_PIPELINES 配置,就像下面这个例子:
# Configure item pipelines# See http://scrapy.readthedocs.org/en/latest/topics/item-pipeline.htmlITEM_PIPELINES = { #'mySpider.pipelines.SomePipeline': 300, "mySpider.pipelines.ItcastJsonPipeline":300}
分配给每个类的整型值,确定了他们运行的顺序,item按数字从低到高的顺序,通过pipeline,通常将这些数字定义在0-1000范围内(0-1000随意设置,数值越低,组件的优先级越高)
重新启动爬虫
将parse()方法改为4.2中最后思考中的代码,然后执行下面的命令:
scrapy crawl itcast
查看当前目录是否生成teacher.json
阅读全文
1 0
- 爬虫Scrapy-04Item Pipeline
- scrapy爬虫之Item Pipeline
- 爬虫框架Scrapy之Item Pipeline
- Scrapy爬虫入门教程九 Item Pipeline(项目管道)
- scrapy 的 item pipeline
- scrapy爬虫之Image Pipeline
- Python爬虫从入门到放弃(十六)之 Scrapy框架中Item Pipeline用法
- Scrapy笔记(6)- Item Pipeline
- Scrapy学习笔记VII--Item Pipeline
- Scrapy-Item Pipeline(项目管道)
- Scrapy源码分析-Item Pipeline中文文档(四)
- 探讨scrapy当中的pipeline何时获取item。
- Item Pipeline
- Scrapy框架学习(二)----Item Pipeline(管道)和Scrapy Shell
- Python MySQL安装+Scrapy爬虫将Item写入mysql数据库
- Scrapy爬虫入门教程七 Item Loaders(项目加载器)
- Python:Scrapy框架中Item Pipeline组件(项目管道组件)的使用教程
- 用python scrapy 写东西用的小思路 Item Pipeline
- Android 常用开发工具类之 DateUtilsBase (时间处理类)
- 数据库事务处理的艺术:事务管理与并发控制---书序
- Android各种访问权限Permission详解
- 在引入资源文件时,classpath 什么时候用,什么时候不用
- Plugin execution not covered by lifecycle configuration 错误
- 爬虫Scrapy-04Item Pipeline
- 使用Java将图像输出成字符画
- 《算法图解》第六章 广度优先搜索
- SQL 练习疑问-SELECT within SELECT Tutorial
- information_schema系统表——TABLE_PRIVILEGES
- JetBrains授权服务器
- FNN 前馈神将网络
- SQLite3 基础
- 几种简单的负载均衡算法及其Java代码实现