请选择 进入手机版 | 继续访问电脑版

笨鸟编程-零基础入门Pyhton教程

 找回密码
 立即注册

项目管道

发布者: 笨鸟自学网

在一个项目被蜘蛛抓取之后,它被发送到项目管道,该管道通过几个按顺序执行的组件来处理它。

每个项管道组件(有时称为“项管道”)都是一个实现简单方法的Python类。它们接收一个项目并对其执行操作,还决定该项目是否应继续通过管道,或者是否应删除并不再处理。

项目管道的典型用途有:

  • 清理HTML数据

  • 验证抓取的数据(检查项目是否包含某些字段)

  • 检查重复项(并删除它们)

  • 将爬取的项目存储在数据库中

编写自己的项目管道

每个item pipeline组件都是一个python类,必须实现以下方法:

process_item(selfitemspider)

对每个项管道组件调用此方法。

item 是一个 item object 见 支持所有项目类型 .

process_item() 必须:返回 item object 返回A Deferred 或提高 DropItem 例外。

丢弃的项目不再由其他管道组件处理。

参数
  • item (item object) -- 刮掉的东西

  • spider (Spider object) -- 爬取项目的蜘蛛

此外,它们还可以实现以下方法:

open_spider(selfspider)

当spider打开时调用此方法。

参数

spider (Spider object) -- 打开的蜘蛛

close_spider(selfspider)

当spider关闭时调用此方法。

参数

spider (Spider object) -- 关闭的蜘蛛

from_crawler(clscrawler)

如果存在,则调用此ClassMethod从 Crawler . 它必须返回管道的新实例。爬虫对象提供对所有零碎核心组件(如设置和信号)的访问;它是管道访问它们并将其功能连接到零碎的一种方式。

参数

crawler (Crawler object) -- 使用此管道的爬虫程序


1234下一页
上一篇:Scrapy shell下一篇:Feed 导出

Archiver|手机版|笨鸟自学网 ( 粤ICP备20019910号 )

GMT+8, 2024-7-24 10:43 , Processed in 0.096187 second(s), 17 queries .

© 2001-2020

返回顶部