我认为主要的误解是软件包路径与设置模块路径。为了从外部脚本使用django的模型，你需要设置
DJANGO_SETTINGS_MODULE。然后，该模块必须是可导入的（即，如果设置路径为
myproject.settings，则该语句
from myproject import settings应在python shell中运行）。
由于django中的大多数项目都是在default之外的路径中创建的PYTHONPATH，因此必须将项目的路径添加到PYTHONPATH环境变量中。
这是一个分步指南，用于将完全正常（且最少）的Django模型集成到Scrapy项目中：
注意：本说明在上次编辑日期生效。如果对你不起作用，请添加评论并描述你的问题以及scrapy / django版本。
项目将在/home/rolando/projects目录中创建。
启动django项目。
$ cd ~/projects$ django-admin startproject myweb$ cd myweb$ ./manage.py startapp myapp
- 在中创建模型myapp/models.py。
from django.db import modelsclass Person(models.Model): name = models.CharField(max_length=32)
- 添加myapp到INSTALLED_APPS中myweb/settings.py。
# at the end of settings.pyINSTALLED_APPS += ('myapp',)- 在中设置我的数据库设置myweb/settings.py。
# at the end of settings.pyDATAbaseS['default']['ENGINE'] = 'django.db.backends.sqlite3'DATAbaseS['default']['NAME'] = '/tmp/myweb.db'
- 创建数据库。
$ ./manage.py syncdb --noinputCreating tables ...Installing custom SQL ...Installing indexes ...Installed 0 object(s) from 0 fixture(s)
- 创建scrapy项目。
$ cd ~/projects$ scrapy startproject mybot$ cd mybot
- 在中创建一个项目
mybot/items.py
。
注意：在较新版本的Scrapy中，你需要安装
scrapy_djangoitem和使用
from scrapy_djangoitem import DjangoItem。
from scrapy.contrib.djangoitem import DjangoItem from scrapy.item import Field from myapp.models import Person class PersonItem(DjangoItem): # fields for this item are automatically created from the django model django_model = Person
最终的目录结构是这样的：
/home/rolando/projects├── mybot│ ├── mybot│ │ ├── __init__.py│ │ ├── items.py│ │ ├── pipelines.py│ │ ├── settings.py│ │ └── spiders│ │ └── __init__.py│ └── scrapy.cfg└── myweb ├── manage.py ├── myapp │ ├── __init__.py │ ├── models.py │ ├── tests.py │ └── views.py └── myweb ├── __init__.py ├── settings.py ├── urls.py └── wsgi.py
从这里开始，基本上我们已经完成了在scrapy项目中使用django模型所需的代码。我们可以使用scrapy shell命令立即对其进行测试，但是请注意所需的环境变量：
$ cd ~/projects/mybot$ PYTHonPATH=~/projects/myweb DJANGO_SETTINGS_MODULE=myweb.settings scrapy shell# ... scrapy banner, debug messages, python banner, etc.In [1]: from mybot.items import PersonItemIn [2]: i = PersonItem(name='rolando')In [3]: i.save()Out[3]: <Person: Person object>In [4]: PersonItem.django_model.objects.get(name='rolando')Out[4]: <Person: Person object>
因此，它按预期工作。
最后，你可能不需要每次运行机器人时都必须设置环境变量。尽管最好的办法是将项目的程序包实际安装在中设置的路径中，但有许多替代方法可以解决此问题PYTHONPATH。
这是最简单的解决方案之一：将这些行添加到mybot/settings.py文件中以设置环境变量。
# Setting up django's project full path.import syssys.path.insert(0, '/home/rolando/projects/myweb')# Setting up django's settings module name.# This module is located at /home/rolando/projects/myweb/myweb/settings.py.import osos.environ['DJANGO_SETTINGS_MODULE'] = 'myweb.settings'# Since Django 1.7, setup() call is required to populate the apps registry.import django; django.setup()
注意：更好的方法是在两个项目中都有
setuptools基于
setup.py文件的文件，然后运行
python setup.py develop它们，这会将你的项目路径链接到python的路径（我假设你使用
virtualenv）。
足够了。为了完整起见，这是一个可以正常运行的项目的基本工具和管道：
1.Create the spider.
$ cd ~/projects/mybot$ scrapy genspider -t basic example example.com
The spider pre:
# file: mybot/spiders/example.pyfrom scrapy.spider import baseSpiderfrom mybot.items import PersonItemclass ExampleSpider(baseSpider): name = "example" allowed_domains = ["example.com"] start_urls = ['http://www.example.com/'] def parse(self, response): # do stuff return PersonItem(name='rolando')
2.创建一个管道mybot/pipelines.py以保存该项目。
class MybotPipeline(object): def process_item(self, item, spider): item.save() return item
item.save()如果你使用的是
DjangoItem类，则可以在这里使用，也可以直接导入django模型并手动创建对象。在这两种方式中，主要问题是定义环境变量，以便可以使用django模型。
3.将管道设置添加到你的
mybot/settings.py文件。
ITEM_PIPELINES = { 'mybot.pipelines.MybotPipeline': 1000,}4.Run the spider.
$ scrapy crawl example
