三.Python_scrapy的Item對象 學習筆記
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
上面示例中說明的字段的序列化函數。
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。
請務必註意,Field
用於聲明項目的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的Product
項目對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)字段的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
使用的 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