Scrapy：如何在蜘蛛中使用项目以及如何将项目发送到管道？

Question

我是scrapy 的新手，我的任务很简单：

对于给定的电子商务网站：

• 抓取所有网站页面

• 查找产品页面

• 如果 URL 指向产品页面

• 创建项目

• 处理项目以将其存储在数据库中

我创建了蜘蛛，但产品只是打印在一个简单的文件中。

我的问题是关于项目结构：如何在蜘蛛中使用项目以及如何将项目发送到管道？

我找不到使用项目和管道的项目的简单示例。

Answer 1

• 如何在我的蜘蛛中使用项目？

嗯，items 的主要目的是存储你爬取的数据。 scrapy.Items 基本上是字典。要声明您的项目，您必须创建一个类并在其中添加 scrapy.Field：

import scrapy

class Product(scrapy.Item):
    url = scrapy.Field()
    title = scrapy.Field()

您现在可以通过导入您的产品在您的蜘蛛中使用它。

有关高级信息，我让您查看文档here

• 如何将项目发送到管道？

首先，你需要告诉你的蜘蛛使用你的custom pipeline。

在 settings.py 文件中：

ITEM_PIPELINES = {
    'myproject.pipelines.CustomPipeline': 300,
}

您现在可以编写管道并使用您的项目。

在 pipeline.py 文件中：

from scrapy.exceptions import DropItem

class CustomPipeline(object):
    def __init__(self):
        # Create your database connection

    def process_item(self, item, spider):
        # Here you can index your item
        return item

最后，在您的spider中，您需要在物品填满后yield。

spider.py 示例：

import scrapy
from myspider.items import Product

class MySpider(scrapy.Spider):
    name = "test"
    start_urls = ['http://www.exemple.com']

    def parse(self, response):
        doc = Product()
        doc['url'] = response.url
        doc['title'] = response.xpath('//div/p/text()')
        yield doc # Will go to your pipeline

希望对您有所帮助，这是 管道 的文档：Item Pipeline