用于分离文件夹/文件的 Scrapy 管道 - 抽象答案

【问题标题】：Scrapy Pipelines to Seperate Folder/Files - Abstraction用于分离文件夹/文件的 Scrapy 管道 - 抽象
【发布时间】：2017-11-02 06:47:36
【问题描述】：

我目前正在完成一个 Scrapy 项目，但是我有一个很长的 pipelines.py 文件。

我注意到在我的settings.py 中，管道显示如下（修剪）：

ITEM_PIPELINES = {
     'proj.pipelines.MutatorPipeline': 200,
     'proj.pipelines.CalculatorPipeline': 300,
     'proj.pipelines.SaveToFilePipeline': 500,
}

我已经尝试了以下方法来纠正这个问题。

1.) 我创建了一个新文件/文件夹，并尝试以相同的方式从管道中引用它。

文件夹为 myPipelines/Test.py，类名称为 TestPipeline，然后在管道设置中引用为 proj.myPipelines.Test.TestPipeline': 100,。

这引发了我的错误。

然后我想我可以导出模块并导入到我当前的pipelines.py 中，它会从中获取参考。我在我的myPipelines 目录中添加了一个空的__init__.py，然后添加了from myPipelines.Test import TestPipeline，但是scrapy 仍然会抛出一个错误...

Raise NameError("Module '%s' doesn't define any object named '%s'" % (module, name))
exceptions.NameError: Module 'proj.pipelines' doesn't define any object named 'TestPipeline'.

非常感谢！

【问题讨论】：

标签： python scrapy scrapy-pipeline

【解决方案1】：

当你启动一个scrapy项目时，你会得到一个这样的目录树：

$ scrapy startproject multipipeline
$ tree
.
├── multipipeline
│   ├── __init__.py
│   ├── items.py
│   ├── middlewares.py
│   ├── pipelines.py
│   ├── settings.py
│   └── spiders
│       ├── example.py
│       └── __init__.py
└── scrapy.cfg

而生成的pipelines.py 看起来像这样：

$ cat multipipeline/pipelines.py 
# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html


class MultipipelinePipeline(object):
    def process_item(self, item, spider):
        return item

但是你的 scrapy 项目可以引用任何 Python 类作为项目管道。一种选择是将生成的单文件pipelines 模块转换为它自己目录中的一个包，其中包含子模块。注意pipelines/ 目录中的__init__.py 文件：

$ tree
.
├── multipipeline
│   ├── __init__.py
│   ├── items.py
│   ├── middlewares.py
│   ├── pipelines
│   │   ├── __init__.py
│   │   ├── one.py
│   │   ├── three.py
│   │   └── two.py
│   ├── settings.py
│   └── spiders
│       ├── example.py
│       └── __init__.py
└── scrapy.cfg

pipelines/ 目录中的各个模块可能如下所示：

$ cat multipipeline/pipelines/two.py 
# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import logging


logger = logging.getLogger(__name__)


class MyPipelineTwo(object):
    def process_item(self, item, spider):
        logger.debug(self.__class__.__name__)
        return item

您可以阅读more about packages here。

__init__.py 文件是让 Python 处理包含包的目录；这样做是为了防止无意中使用通用名称（例如字符串）的目录隐藏稍后出现在模块搜索路径上的有效模块。在最简单的情况，__init__.py 可以只是一个空文件，但它可以还执行包的初始化代码或设置__all__ 变量，稍后介绍。

您的settings.py 将包含以下内容：

ITEM_PIPELINES = {
    'multipipeline.pipelines.one.MyPipelineOne': 100,
    'multipipeline.pipelines.two.MyPipelineTwo': 200,
    'multipipeline.pipelines.three.MyPipelineThree': 300,
}

【讨论】：

正是我想要的，谢谢！这应该被标记为答案。