scrapy的name变量_scrapy 跨组件传递参数

引用 @玉帛 的方法,可以解决问题,实现“从MongoDB读取start_url,对start_url进行处理,生成特征值,再将特征值传递给pipeline作为collection表名”的操作,具体解决方案如下。

Spider中:

def start_requests(self):

client = pymongo.MongoClient('localhost',27017)

db_name = 'Sina'

db = client[db_name]

collection_set01 = db['UrlsQueue']

datas=list(collection_set01.find({},{'_id':0,'url':1,'status':1}))

for data in datas:

if data.get('status') == 'pending':

url=data.get('url')

pattern='(?<=/)([0-9a-zA-Z]{9})(?=\?)'

if re.search(pattern,url):

collection_name=re.search(pattern,url).group(0)

start_url='https://weibo.cn/comment/'+collection_name+'?ckAll=1'

collection_set01.update({'url':url},{'$set':{'status':'proccessing'}})

break

else:

pass

client.close()

yield Request(url=start_url,callback=self.parse, cookies=cookie, meta={'collection_name':collection_name})

从数据库中获取start_url,提取特征值,并对其处理,带meta参数发送request

def parse(self,response):

collection_name=response.meta['collection_name']

......

for i in range(0,len(node)):

item['collection_name']=collection_name

yield item

parse()从response中解析数据的同时提取回传的meta参数

Pipeline中:

def close_spider(self, spider):

self.db['UrlsQueue'].update({'status':'proccessing'},{'$set':{'status':'finished'}})

self.client.close()

def process_item(self, item, spider):

self.collection_name=item.pop('collection_name')

self.db[self.collection_name].insert_one(dict(item))

return item

pop掉collection_name参数即可

非常感谢 @玉帛 的帮助

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值