当我们利用爬虫程序从源数据中提取(extract)自己所需要的数据,如N个电影名,N个电影作者,不同排名,不同点赞数,不同下载地址,文章内容或者一些其他数据,并把这些提取的内容存储到一个Python字典中返回
但是字典存储数据会出现排版或者前后不一致的情况,尤其是在大型的爬虫程序中
那提取的数据应该保存在哪里?又能保持数据的一致性呢?
Item scrapy中item 类 中提供容器收集这些爬取的数据并定义这些数据的存储格式
declaring items声明item对象
import scrapy
class Product(scrapy.Item):
name = scrapy.Field()
price = scrapy.Field()
stock = scrapy.Field()
last_updated = scrapy.Field(serializer=str)
field对象为每一个field指定元数据,各种类型的元数据都可,组件会找到各自的元数据的keys。field为Item.field中的属性元素
Working with Items操作items 和dict(字典)类似
- Creating items (Product类已经在上面声明,定义items)
>>> product = Product(name='Desktop PC', price=1000)
>>> print product
Product(name='Desktop PC', price=1000)
- Getting field values (获取field中的值)
>>> product['name']
Desktop PC
>>> product.get('name')
Desktop PC
>>> product['price']
1000
>>> product['last_updated']
Traceback (most recent call last):
...
KeyError: 'last_updated'
>>> product.get('last_updated', 'not set')
not set
>>> product['lala'] # getting unknown field
Traceback (most recent call last):
...
KeyError: 'lala'
>>> product.get('lala', 'unknown field')
'unknown field'
>>> 'name' in product # is name field populated?
True
>>> 'last_updated' in product # is last_updated populated?
False
>>> 'last_updated' in product.fields # is last_updated a declared field?
True
>>> 'lala' in product.fields # is lala a declared field?
False
- Setting field values #设置field的值
>>> product['last_updated'] = 'today'
>>> product['last_updated']
today
>>> product['lala'] = 'test' # setting unknown field
Traceback (most recent call last):
...
KeyError: 'Product does not support field: lala'
- Accessing all populated values #获得已定义好的数据
>>> product.keys() #获取键值
['price', 'name']
>>> product.items() #获取键值和数据
[('price', 1000), ('name', 'Desktop PC')]
- Other common tasks
- Copying items : product2 = Product(product) product3=product2.copy #复制item对象
- Creating dicts from items : dict(product) # 从所有已经填入field字段中 创建一个字典容器
- Creating items from dicts : Product({'name': 'Laptop PC', 'price': 1500}) #从字典中创建item 键值需已经声明过
- Extending Items 你可以通过子类扩展你的item数据模型,增加或者改变一些元数据
class DiscountedProduct(Product):
discount_percent = scrapy.Field(serializer=str)
discount_expiration_date = scrapy.Field()
可以把最开始定义的元数据字段(previous metadata)
class SpecificProduct(Product):
name = scrapy.Field(Product.fields['name'], serializer=my_serializer) #保持最初定义的name字段key-value
- Item objects
class scrapy.item.Item([arg])
重写字典标准,唯一属性fields - Field objects
class scrapy.item.Field([arg])
字典的别名,没有额外的功能和属性
如有错误请指正