Scrapy中关于Export Unicode字符集问题解决

使用命令行scrapy crawl spider_name -o filename将制定内容的item信息输出时，scrapy使用默认的feed export对特定的file类型文件支持，例如json文件是JsonLinesItemExporter，xml文件是XmlItemExporter，有时候我们对export的形式或者内容不太满意时，可以自己继承上面的类，自定义export子类。

默认显示的中文是阅读性较差的Unicode字符，我们需要在settings文件中定义子类显示出原来的字符集。

from scrapy.exporters import JsonLinesItemExporter  class CustomJsonLinesItemExporter(JsonLinesItemExporter):      def __init__(self, file, **kwargs):          super(CustomJsonLinesItemExporter, self).__init__(file, ensure_ascii=False, **kwargs)#这里只需要将超类的ensure_ascii属性设置为False即可#同时要在setting文件中启用新的Exporter类FEED_EXPORTERS = {      'json': 'porject.settings.CustomJsonLinesItemExporter',  }  

之后使用命令行scrapy crawl spider_name -o filename.json就可以显示出正常可阅读的字符。

Pipeline在Doc中的定义如下：

After an item has been scraped by a spider, it is sent to the Item Pipeline which processes it through several components that are executed sequentially

所以我们也可以在Pipeline类中直接定义输出：

from project.settings import CustomJsonLinesItemExporterclass DoubanPipeline(object):    #定义开始爬虫的行为    def open_spider(self,spider):        self.file=open('xxx.json','wb')        self.exporter=CustomJsonLinesItemExporter(self.file)        self.exporter.start_exporting()    #定义爬虫结束的行为    def close_spider(self,spider):        self.exporter.finish_exporting()        self.file.close()    #定义爬虫过程中的行为    def process_item(self, item, spider):        self.exporter.export_item(item)        return item