Scrapy框架的学习(6.item介绍以及items的使用（提前定义好字段名）)

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

import scrapy


class TencentItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    """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"""
    position = scrapy.Field()
    category = scrapy.Field()
    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

import scrapy
''' 导入不同爬虫的类字段'''
from tencent.items import TencentItem,TencentItem2,TencentItem3

class TencentSpiderSpider(scrapy.Spider):
    name = 'tencent_spider'
    allowed_domains = ['tencent.com']
    start_urls = ['https://hr.tencent.com/position.php']

    def parse(self, response):
        tr_list = response.xpath("//table[@class='tablelist']//tr")[1:-1]
        for tr in tr_list:
            """使用定义好的类"""
            item = TencentItem()
            """里面的键名，必须提前在items里面定义好之后才能用"""
            item["position"] = tr.xpath("./td/a/text()").extract_first()
            item["category"] = tr.xpath(".//td[2]/text()").extract_first()
            item["date"] = tr.xpath(".//td[5]/text()").extract_first()
            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

'''分别导入不同爬虫的字段类'''
from tencent.items import TencentItem, TencentItem2, TencentItem3


class TencentPipeline(object):
    def process_item(self, item, spider):
        """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"""
        print(dict(item))
        '''针对与不同的爬虫字段类的对象，做不同的处理'''
        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

class TencentItem(scrapy.Item):
    """腾讯爬虫要爬取的字段"""
    """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"""
    position = scrapy.Field()
    category = scrapy.Field()
    date = scrapy.Field()

class JdItem(scrapy.Item):
    """京东爬虫要爬取的字段"""
    """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"""
    position = scrapy.Field()
    category = scrapy.Field()
    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

import scrapy
# 导入不同爬虫的类字段
from tencent.items import TencentItem

class TencentSpiderSpider(scrapy.Spider):
    pass
    def parse(self, response):
        pass
        for tr in tr_list:
            """使用定义好的腾讯爬虫的类的字段"""
            item = TencentItem()
            yield item

  在京东的爬虫中，可以这样使用

import scrapy
# 导入不同爬虫的类字段
from JD.items import JdItem

class JdSpiderSpider(scrapy.Spider):
    pass
    def parse(self, response):
        pass
        for tr in tr_list:
            """使用定义好的腾讯爬虫的类的字段"""
            item = JdItem()
            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

'''分别导入不同爬虫的字段类'''
from tencent.items import TencentItem, JdItem2


class TencentPipeline(object):
    def process_item(self, item, spider):
        '''针对与不同的爬虫字段类的对象，做不同的处理'''
        if isinstance(item, TencentItem):
            pass
        if isinstance(item, JdItem2):
            pass
        return item