《数据采集技术》课件——Item Pipeline.pptxVIP

下载本文档

0
0
约2.61千字
约 24页
2024-12-27 发布于福建
举报
版权申诉

《数据采集技术》课件——Item Pipeline.pptx

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档共24页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

ItemPipeline

Item类Item是一个包含数据字段的类目的是为了把从网页解析出来的目标数据进行结构化要先确定Item的结构，然后再在程序中构造、在pipeline中处理需要注意

Item类定义Item在「items.py」中定义

Item数据构造在spider程序中进行构造，即填充数据#导入Item类，mySpider是包名frommySpider.itemsimportMyspiderItem#构造Item对象item=MyspiderItem()item[“title”]=title

Item传递到Pipelineyielditemreturn返回函数运行结果yield返回一个生成器(generator)对象

Item传递到Pipelineyielditem如果返回的是Request对象引擎交给调度器进行处理如果返回的是Item对象或字典引擎把这个数据交给Pipeline处理

Item传递到Pipelineyielditem

ItemPipelinePipeline负责处理Item数据，从而实现持久化清理HTML数据功能：验证数据(检查item包含某些字段)查重(并丢弃)将爬取结果保存到数据库

定义PipelinePipeline定义在pipeline.py中

ItemPipeline的方法init语法：__init__(self)用法：用来构造对象属性，例如数据库连接等open_spider语法：open_spider(self,spider)参数：spider(Spiderobject)--spider实例用法：当spider打开时调用此方法

ItemPipeline的方法close_spider语法：close_spider(self,spider)参数：spider(Spiderobject)--spider实例用法：当spider关闭时调用此方法from_crawler语法：from_crawler(cls,crawler)参数：crawler(Crawlerobject)--使用此管道的爬虫程序用法：初始化变量，调用此方法从爬虫程序Crawler生成实例

配置Pipeline在settings.py中进行配置，对应的是ITEM_PIPELINE参数

pipeline保存到json文件importjsonclassMyspiderPipeline:def__init__(self):self.file=open(hotlist.json,w,encoding=utf-8)defprocess_item(self,item,spider):content=json.dumps(dict(item),ensure_ascii=False)+\nself.file.write(content)returnitemdefclose_spiders(self,spider):self.file.close()

pipeline保存到MongoDBimportpymongofromitemadapterimportItemAdapterclassMongoPipeline:collection_name=scrapy_itemsdef__init__(self,mongo_uri,mongo_db):self.mongo_uri=mongo_uriself.mongo_db=mongo_db@c