1. 程式人生 > >三.Python_scrapy的Item對象 學習筆記

三.Python_scrapy的Item對象 學習筆記

classname keys topic exp 實例 creat ted 筆記 pro

因為這章實在也沒什麽好做筆記的, 因為“Item對象是用於收集抓取數據的簡單容器。它們提供類似字典的 API”,我的能力也不足,這裏就直接貼上官方的原文翻譯了。

物品

抓取的主要目標是從非結構化源(通常是網頁)中提取結構化數據。Scrapy蜘蛛可以像Python一樣返回提取的數據。雖然方便和熟悉,但Python缺乏結構:很容易在字段名稱中輸入拼寫錯誤或返回不一致的數據,尤其是在具有許多蜘蛛的較大項目中。

為了定義通用輸出數據格式,Scrapy提供了Item類。 Item對象是用於收集抓取數據的簡單容器。它們提供類似字典的 API,並具有用於聲明其可用字段的方便語法。

各種Scrapy組件使用Items提供的額外信息:導出器查看聲明的字段以確定要導出的列,可以使用Item字段元數據自定義序列化,trackref 跟蹤Item實例以幫助查找內存泄漏(請參閱使用trackref調試內存泄漏)等。

聲明項目

使用簡單的類定義語法和Field 對象聲明項這是一個例子:

import scrapy

class Product(scrapy.Item):
    name = scrapy.Field()
    price = scrapy.Field()
    stock = scrapy.Field()
    last_updated = scrapy.Field(serializer=str)

註意

那些熟悉Django的人會註意到Scrapy Items被宣告類似於Django Models,除了Scrapy Items更簡單,因為沒有不同字段類型的概念。

項目字段

Field對象用於指定每個字段的元數據。例如,last_updated上面示例中說明字段的序列化函數

您可以為每個字段指定任何類型的元數據。Field對象接受的值沒有限制出於同樣的原因,沒有所有可用元數據鍵的參考列表。Field對象中定義的每個鍵可以由不同的組件使用,只有那些組件知道它。您也可以根據Field自己的需要定義和使用項目中的任何其他 鍵。Field對象的主要目標是提供一種在一個地方定義所有字段元數據的方法。

通常,行為取決於每個字段的那些組件使用某些字段鍵來配置該行為。您必須參考其文檔以查看每個組件使用的元數據鍵。

請務必註意,Field用於聲明項目對象不會保留為類屬性。相反,可以通過Item.fields屬性訪問它們

使用項目

以下是使用上面聲明Product項目項目執行的常見任務的一些示例 您會註意到API與dict API非常相似

創建項目

>>> product = Product(name=‘Desktop PC‘, price=1000)
>>> print product
Product(name=‘Desktop PC‘, price=1000)

獲取字段值

>>> 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

設定字段值

>>> 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‘

訪問所有填充值

要訪問所有填充值,只需使用典型的dict API

>>> product.keys()
[‘price‘, ‘name‘]

>>> product.items()
[(‘price‘, 1000), (‘name‘, ‘Desktop PC‘)]

其他常見任務

復制項目:

>>> product2 = Product(product)
>>> print product2
Product(name=‘Desktop PC‘, price=1000)

>>> product3 = product2.copy()
>>> print product3
Product(name=‘Desktop PC‘, price=1000)

從項目創建dicts:

>>> dict(product) # create a dict from all populated values
{‘price‘: 1000, ‘name‘: ‘Desktop PC‘}

從dicts創建項目:

>>> Product({‘name‘: ‘Laptop PC‘, ‘price‘: 1500})
Product(price=1500, name=‘Laptop PC‘)

>>> Product({‘name‘: ‘Laptop PC‘, ‘lala‘: 1500}) # warning: unknown field in dict
Traceback (most recent call last):
    ...
KeyError: ‘Product does not support field: lala‘

擴展項目

您可以通過聲明原始Item的子類來擴展Items(以添加更多字段或更改某些字段的某些元數據)。

例如:

class DiscountedProduct(Product):
    discount_percent = scrapy.Field(serializer=str)
    discount_expiration_date = scrapy.Field()

您還可以使用先前的字段元數據擴展字段元數據,並附加更多值或更改現有值,如下所示:

class SpecificProduct(Product):
    name = scrapy.Field(Product.fields[‘name‘], serializer=my_serializer)

這會添加(或替換)字段serializer元數據鍵name,保留所有先前存在的元數據值。

物品對象

class scrapy.item.Item[arg ]

返回一個可選擇從給定參數初始化的新Item。

Items復制標準dict API,包括其構造函數。Items提供的唯一附加屬性是:

fields

包含此Item的所有已聲明字段的字典,不僅包括已填充的字段鍵是字段名稱,值是Item聲明中Field使用對象

字段對象

class scrapy.item.Field[arg ]

  該Field班只是一個別名內置的字典類,並沒有提供任何額外功能或屬性。換句話說, Field對象是普通的Python dicts。一個單獨的類用於支持 基於類屬性的項聲明語法。

最後附上官方的原文:https://docs.scrapy.org/en/latest/topics/items.html

三.Python_scrapy的Item對象 學習筆記