scrapy Item
Scrapy Item是用来保存爬取到的数据的容器,用于封装数据,它使用的方法和python的字典相似,并且提供了额外的保护机制来避免拼写错我导致的未定义字段错误。
我们使用字典来对数据进行传递,使用字典有以下的缺点:
- 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
为了克服以上的问题,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:
下面展示一些 内联代码片
。
import scrapy
class TaobaoItem(scrapy.Item):
# define the fields for your item here like:
title = scrapy.Field()
price = scrapy.Field()
deal = scrapy.Field()
shop = scrapy.Field()
location = scrapy.Field()
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。