Scrapy Item

Scrapy ItemItem 是保存爬取到的数据的容器,用于封装数据,其使用方法和python字典类似,并且提供了额外保护机制来避免拼写错误导致的未定义字段错误。

我们是使用字典来对数据进行传递,使用字典有以下缺点。

  • 无法直观地了解数据中包含哪些字段
  • 缺乏对字段名字的检测
  • 不便于携带元数据

为了克服上述问题,我们可以使用scrapy中自定义的item类封装爬取到的数据。

类似在ORM中做的一样,您可以通过创建一个scrapy.Item类,并且定义类型为 scrapy.Field的类属性来定义一个Item。(如果不了解ORM, 不用担心,您会发现这个步骤非常简单)

首先根据需要从dmoz.org获取到的数据对item进行建模。我们需要从dmoz中获取名字,url,以及网站的描述。对此,在item中定义相应的字段。编辑 tutorial 目录中的 items.py 文件:

import scrapy

class TutorialItem(scrapy.Item):
    # define the fields for your item here like:
    title = scrapy.Field()
    link = scrapy.Field()
    desc = scrapy.Field()

如图所示:
Scrapy Item

一开始这看起来可能有点复杂,但是通过定义item,您可以很方便的使用Scrapy的其他方法。而这些方法需要知道您的item的定义。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程