Scrapy框架的学习(6.item介绍以及items的使用(提前定义好字段名))转载https://blog.csdn.net/wei18791957243/article/details/86259688

时间:2022-05-22 04:44:09
 

在Scrapy框架中的items.py的作用

  1.可以预先定义好要爬取的字段     items.py

  1. import scrapy
  2.  
  3.  
  4. class TencentItem(scrapy.Item):
  5. # define the fields for your item here like:
  6. # name = scrapy.Field()
  7. """定义好字段,并不代表真正的值,只是占一个位置,用的时候直接赋值就行"""
  8. position = scrapy.Field()
  9. category = scrapy.Field()
  10. date = scrapy.Field()

2. 把字段定义好之后 ,就可以在爬虫中进行使用

在用的时候, item的键名要和在items.py里面定义好的字段名称一致

  1. import scrapy
  2. ''' 导入不同爬虫的类字段'''
  3. from tencent.items import TencentItem,TencentItem2,TencentItem3
  4.  
  5. class TencentSpiderSpider(scrapy.Spider):
  6. name = 'tencent_spider'
  7. allowed_domains = ['tencent.com']
  8. start_urls = ['https://hr.tencent.com/position.php']
  9.  
  10. def parse(self, response):
  11. tr_list = response.xpath("//table[@class='tablelist']//tr")[1:-1]
  12. for tr in tr_list:
  13. """使用定义好的类"""
  14. item = TencentItem()
  15. """里面的键名,必须提前在items里面定义好之后才能用"""
  16. item["position"] = tr.xpath("./td/a/text()").extract_first()
  17. item["category"] = tr.xpath(".//td[2]/text()").extract_first()
  18. item["date"] = tr.xpath(".//td[5]/text()").extract_first()
  19. yield item

3. 如果想在pipelines.py中使用的方法是大同小异,只是在进行处理的时候item传过来的是一个类对象,要对其进行相应        的  转化

  1. '''分别导入不同爬虫的字段类'''
  2. from tencent.items import TencentItem, TencentItem2, TencentItem3
  3.  
  4.  
  5. class TencentPipeline(object):
  6. def process_item(self, item, spider):
  7. """使用item的时候这里接收的是TencentItem类的对象,我们可以把它转化字典"""
  8. print(dict(item))
  9. '''针对与不同的爬虫字段类的对象,做不同的处理'''
  10. return item

4. 这样做有什么好处呢,个人理解:

(1)  可以直接看items.py,可以看出来要爬取那些字段

(2) 防止我们在item["键名"]  输入键名的时候输入错误

有多个爬虫时Item的处理

例如有个腾讯爬虫、有个京东爬虫,怎样处理

1. 在items.py里面创建不同的类,分别保存各自的字段

  1. class TencentItem(scrapy.Item):
  2. """腾讯爬虫要爬取的字段"""
  3. """定义好字段,并不代表真正的值,只是占一个位置,用的时候直接赋值就行"""
  4. position = scrapy.Field()
  5. category = scrapy.Field()
  6. date = scrapy.Field()
  7.  
  8. class JdItem(scrapy.Item):
  9. """京东爬虫要爬取的字段"""
  10. """定义好字段,并不代表真正的值,只是占一个位置,用的时候直接赋值就行"""
  11. position = scrapy.Field()
  12. category = scrapy.Field()
  13. date = scrapy.Field()

2. 然后在不同的爬虫程序里使用对应的类即可

在腾讯的爬虫里 ,  导入和使用

  1. import scrapy
  2. # 导入不同爬虫的类字段
  3. from tencent.items import TencentItem
  4.  
  5. class TencentSpiderSpider(scrapy.Spider):
  6. pass
  7. def parse(self, response):
  8. pass
  9. for tr in tr_list:
  10. """使用定义好的腾讯爬虫的类的字段"""
  11. item = TencentItem()
  12. yield item

在京东的爬虫中,可以这样使用

  1. import scrapy
  2. # 导入不同爬虫的类字段
  3. from JD.items import JdItem
  4.  
  5. class JdSpiderSpider(scrapy.Spider):
  6. pass
  7. def parse(self, response):
  8. pass
  9. for tr in tr_list:
  10. """使用定义好的腾讯爬虫的类的字段"""
  11. item = JdItem()
  12. yield item

3. 对于多个爬虫,在pipelines,py中可以进行判断,分别对不同的爬虫的字段进行不同的处理

    isinstance() 函数来判断一个对象是否是一个已知的类型

  1. '''分别导入不同爬虫的字段类'''
  2. from tencent.items import TencentItem, JdItem2
  3.  
  4.  
  5. class TencentPipeline(object):
  6. def process_item(self, item, spider):
  7. '''针对与不同的爬虫字段类的对象,做不同的处理'''
  8. if isinstance(item, TencentItem):
  9. pass
  10. if isinstance(item, JdItem2):
  11. pass
  12. return item

Scrapy框架的学习(6.item介绍以及items的使用(提前定义好字段名))转载https://blog.csdn.net/wei18791957243/article/details/86259688的更多相关文章

  1. K8S 使用NFS 创建PV和PVC的例子 学习From https://blog.csdn.net/xts_huangxin/article/details/51494472

    1. 获取资料 网址: https://blog.csdn.net/xts_huangxin/article/details/51494472  感谢原作者 这里面 按照自己的机器情况进行了学习模仿 ...

  2. Android 学习路线图(转载自https://blog.csdn.net/lixuce1234/article/details/77947405)

    程序设计 一.java (a)基本语法(如继承.异常.引用.泛型等) Java核心技术 卷I(适合入门) 进阶 Effective Java中文版(如何写好的Java代码) Java解惑 (介绍烂Ja ...

  3. OpenGL学习脚印: uniform blocks在着色器中的使用 转自https://blog.csdn.net/wangdingqiaoit/article/details/52717963

    写在前面 目前,我们在着色器中要传递多个uniform变量时,总是使用多个uniform,然后在主程序中设置这些变量的值:同时如果要在多个shader之间共享变量,例如投影矩阵projection和视 ...

  4. scala学习(idea编译过程https://blog.csdn.net/guiying712/article/details/68947747)

    scala官网 https://www.scala-lang.org/ 菜鸟教程学习 http://www.runoob.com/scala/scala-basic-syntax.html w3sch ...

  5. Bootstrap学习4--Table样式(转载:https://blog.csdn.net/Fanbin168/article/details/53208869)

    备注:最新Bootstrap手册:http://www.jqhtml.com/bootstraps-syntaxhigh/index.html 将<table>标签添加class=‘tab ...

  6. 学习mongoDB的一些感受(转自:http&colon;&sol;&sol;blog&period;csdn&period;net&sol;liusong0605&sol;article&sol;details&sol;11581019)

    曾经使用过mongoDB来保存文件,最一开始,只是想总结一下在开发中如何实现文件与mongoDB之间的交互.在此之前,并没有系统的了解过mongoDB,虽然知道我们用它来存储文件这些非结构化数据,但是 ...

  7. jbpm的学习 出处http&colon;&sol;&sol;blog&period;csdn&period;net&sol;hxirui&sol;article&sol;details&sol;1221911

    jbpm入门例子 分类: opensourse2006-09-14 11:30 37308人阅读 评论(22) 收藏 举报 jbpmhibernate数据库oraclemysqltransition ...

  8. Mapreduce之序列化框架(转自http&colon;&sol;&sol;blog&period;csdn&period;net&sol;lastsweetop&sol;article&sol;details&sol;9376495)

    框架简介 MapReduce仅仅可以支持Writable做key,value吗?答案是否定的.事实上,一切类型都是支持的,只需满足一个小小的条件:每个类型是以二进制流的形式传输.为此Hadoop提供了 ...

  9. H5学习系列之文件读取API--本文转自http&colon;&sol;&sol;blog&period;csdn&period;net&sol;jackfrued&sol;article&sol;details&sol;8967667

    HTML5定义了FileReader作为文件API的重要成员用于读取文件,根据W3C的定义,FileReader接口提供了读取文件的方法和包含读取结果的事件模型. FileReader的使用方式非常简 ...

随机推荐

  1. JS 阶段小练习~ 无缝滚动

    结合下学了的知识,做个模拟的综合性扩展练习~~  大致功能如下: 1.点开html后,图片自动移动展示 2.点击左右方向,可以改变 图片移动的方向(改变left的值,正负) 3.鼠标移入移出图片后,图 ...

  2. QtAlgorithms

    qSort() qCopy() qFill() #include <QCoreApplication> #include<QDebug> #include<QVector ...

  3. spring中加入log4j

    spring中加入log4j <context-param> <param-name>log4jConfigLocation</param-name> <pa ...

  4. spring的MVC执行原理

    spring的MVC执行原理 1.spring mvc将所有的请求都提交给DispatcherServlet,它会委托应用系统的其他模块负责对请求 进行真正的处理工作. 2.DispatcherSer ...

  5. Docker进阶之二&colon;Docker内部组件

    Docker内部组件 一.Namespaces 命名空间,Linux内核提供的一种对进程资源隔离的机制,例如进程,网络,挂载点等资源.    docker run -d busybox ping ba ...

  6. linux学习--查看cpu及内存信息

    查看物理cpu个数: cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l 查看每个cpu核数 cat /proc/cp ...

  7. JS中图片飞飞效果

    当鼠标在界面上移动的时候,后面有一连串的图片跟随者一起飘动,效果如下: 实现的基本思想:准备五个img标签,为了方便控制都放在一个div里面,设置div的定位方式为 fixed,设置成这中定位方式主要 ...

  8. hdu 5775 Bubble Sort 树状数组

    Bubble Sort 题目连接: http://acm.hdu.edu.cn/showproblem.php?pid=5775 Description P is a permutation of t ...

  9. Servlet 思维导图

  10. CSS3入门学习之属性大全手册

    CSS Level 2 经历了 9 年的时间(从 2002 年 8 月到 2011 年 6 月)才达到 Recommendation(推荐) 状态.主要的原因是被一些 secondary featur ...