探讨scrapy当中的pipeline何时获取item。

最新推荐文章于 2023-12-14 12:07:20 发布

踏命运而行

最新推荐文章于 2023-12-14 12:07:20 发布

阅读量3.2k

点赞数

分类专栏： Scrapy

本文链接：https://blog.csdn.net/wu47165/article/details/78051812

版权

在Scrapy爬虫运行中，遇到pipeline无法获取item的问题。通过代码调试发现，pipeline的调用发生在spider的parse()方法内。只有在获取next_page_url之前yield item，pipeline才能接收到item并进行处理。因此，pipeline在返回item给引擎时被触发，处理后的item将继续传递给下一个item。

摘要由CSDN通过智能技术生成

问题来自于在运行spider过程中，pipeline当中写入的数据库存储过程始终得不到item传递的数据，经调试，发现了pipeline被调用的机制。

写一段代码来测试：

spider.py:

import scrapy
from items import Work1Item #自定义的item，用于结构化数据

class Work1Spider(scrapy.Spider):
        name = 'work1'
        start_urls = [
            'http://quotes.toscrape.com/',
        ]
	
	def parse(self, response):
	    for quote in response.xpath('//div[@class="quote"]'):
	        item = Work1Item()
		    item['author'] = quote.xpath('.//small[@class="author"]/text()').extract_first()
		    item['tags'] = quote.xpath('.//div[@class="tags"]/a[@class="tag"]/text()').extract()
	        item['quote'] = quote.xpath('./span[@class="text"]/text()').extract_first(）
		next_page_url = response.xpath(&#