版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
ItemPipelineItemPipelineItemPipelineItem類Item是一個(gè)包含數(shù)據(jù)字段的類目的是為了把從網(wǎng)頁解析出來的目標(biāo)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化要先確定Item的結(jié)構(gòu),然后再在程序中構(gòu)造、在pipeline中處理需要注意Item類定義Item在「items.py」中定義Item數(shù)據(jù)構(gòu)造在spider程序中進(jìn)行構(gòu)造,即填充數(shù)據(jù)#導(dǎo)入Item類,mySpider是包名frommySpider.itemsimportMyspiderItem#構(gòu)造Item對象item=MyspiderItem()item[“title”]=titleItem數(shù)據(jù)構(gòu)造在spider程序中進(jìn)行構(gòu)造,即填充數(shù)據(jù)#導(dǎo)入Item類,mySpider是包名frommySpider.itemsimportMyspiderItem#構(gòu)造Item對象item=MyspiderItem()item[“title”]=titleItem傳遞到Pipelineyielditemreturn返回函數(shù)運(yùn)行結(jié)果yield返回一個(gè)生成器(generator)對象Item傳遞到Pipelineyielditemreturn返回函數(shù)運(yùn)行結(jié)果yield返回一個(gè)生成器(generator)對象Item傳遞到Pipelineyielditem如果返回的是Request對象引擎交給調(diào)度器進(jìn)行處理如果返回的是Item對象或字典引擎把這個(gè)數(shù)據(jù)交給Pipeline處理Item傳遞到Pipelineyielditem如果返回的是Request對象引擎交給調(diào)度器進(jìn)行處理如果返回的是Item對象或字典引擎把這個(gè)數(shù)據(jù)交給Pipeline處理Item傳遞到PipelineyielditemItem傳遞到PipelineyielditemItemPipelinePipeline負(fù)責(zé)處理Item數(shù)據(jù),從而實(shí)現(xiàn)持久化清理HTML數(shù)據(jù)功能:驗(yàn)證數(shù)據(jù)(檢查item包含某些字段)查重(并丟棄)將爬取結(jié)果保存到數(shù)據(jù)庫定義PipelinePipeline定義在pipeline.py中定義PipelinePipeline定義在pipeline.py中ItemPipeline的方法init語法:__init__(self)用法:用來構(gòu)造對象屬性,例如數(shù)據(jù)庫連接等open_spider語法:open_spider(self,spider)參數(shù):spider(Spiderobject)--spider實(shí)例用法:當(dāng)spider打開時(shí)調(diào)用此方法ItemPipeline的方法close_spider語法:close_spider(self,spider)參數(shù):spider(Spiderobject)--spider實(shí)例用法:當(dāng)spider關(guān)閉時(shí)調(diào)用此方法from_crawler語法:from_crawler(cls,crawler)參數(shù):crawler(Crawlerobject)--使用此管道的爬蟲程序用法:初始化變量,調(diào)用此方法從爬蟲程序Crawler生成實(shí)例配置Pipeline在settings.py中進(jìn)行配置,對應(yīng)的是ITEM_PIPELINE參數(shù)pipeline保存到j(luò)son文件importjsonclassMyspiderPipeline:def__init__(self):self.file=open("hotlist.json","w",encoding="utf-8")defprocess_item(self,item,spider):content=json.dumps(dict(item),ensure_ascii=False)+"\n"self.file.write(content)returnitemdefclose_spiders(self,spider):self.file.close()pipeline保存到MongoDBimportpymongofromitemadapterimportItemAdapterclassMongoPipeline:collection_name='scrapy_items'def__init__(self,mongo_uri,mongo_db):self.mongo_uri=mongo_uriself.mongo_db=mongo_db@classmethoddeffrom_crawler(cls,crawler):returncls(mongo_uri=crawler.settings.get('MONGO_URI'), mongo_db=crawler.settings.get('MONGO_DATABASE','items')defopen_spider(self,spider):self.client=pymongo.MongoClient(self.mongo_uri)self.db=self.client[self.mongo_db]defclose_spider(self,spider):self.client.close()defprocess_item(self,item,spider):self.db[self.collection_name].insert_one(I
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 課題申報(bào)書:公司氣候風(fēng)險(xiǎn)影響綠色全要素生產(chǎn)率的雙重效應(yīng)與多維機(jī)制研究
- 課題申報(bào)書:工程碩博士培養(yǎng)模式改革研究
- 課題申報(bào)書:高校文科教師創(chuàng)新能力培養(yǎng)的有效路徑和創(chuàng)新機(jī)制研究
- 2025煤炭汽車運(yùn)輸合同范文
- 課題申報(bào)書:高校初任教師教學(xué)素養(yǎng)的結(jié)構(gòu)、評估與提升路徑研究
- 課題申報(bào)書:復(fù)雜系統(tǒng)視角下重大基礎(chǔ)設(shè)施工程可持續(xù)運(yùn)維管理策略研究
- 上海紐約大學(xué)《企業(yè)仿真運(yùn)營綜合實(shí)訓(xùn)基礎(chǔ)》2023-2024學(xué)年第一學(xué)期期末試卷
- 上海閔行職業(yè)技術(shù)學(xué)院《建筑漫游創(chuàng)作》2023-2024學(xué)年第一學(xué)期期末試卷
- 上海旅游高等專科學(xué)?!吨袊嫾挤ㄑ芯俊?023-2024學(xué)年第一學(xué)期期末試卷
- 上??茖W(xué)技術(shù)職業(yè)學(xué)院《個(gè)人理財(cái)理論與實(shí)務(wù)》2023-2024學(xué)年第一學(xué)期期末試卷
- 《簡易風(fēng)箏的制作》課件
- 體驗(yàn)式家長會(huì)的實(shí)施與開展
- 《標(biāo)準(zhǔn)工時(shí)培訓(xùn)》課件
- 射擊館建設(shè)方案
- 應(yīng)用寫作-消息和通訊
- 華為公司客戶滿意度管理
- 四年級綜合實(shí)踐活動(dòng)上三:學(xué)校中遵守規(guī)則情況調(diào)查教學(xué)課件
- 2023-2024學(xué)年江蘇省淮安市數(shù)學(xué)高一上期末復(fù)習(xí)檢測試題含解析
- 中學(xué)首席名師、名師、骨干教師、教壇新秀評選方案
- 國際物流運(yùn)輸管理智慧樹知到課后章節(jié)答案2023年下上海海事大學(xué)
- 犯罪學(xué)智慧樹知到課后章節(jié)答案2023年下山東警察學(xué)院
評論
0/150
提交評論