itemexporters-scrapy框架8-python

• 1 前言
• 2 item exporters
• • 2.1 Item Exporters
  • 2.2 BaseItemExporter
  • 2.3 实例化
  • • 2.3.1 必须条件
    • 2.3.2 字段序列化
  • 2.4 项目实例
  • 2.5 自定义ItemExporter
• 3 后记

我们爬取数据的目的，就是为了在其他应用或者系统中使用。为了方便使用，我们一般把爬取的数据持久化存储或者导出。关于持久化存储可以去参考之前pipeline章节以及python与数据库部分，这里主要讲解数据导出。

为此，Scrapy 提供了一组用于不同输出格式的项目导出器，例如 XML、CSV 或 JSON，以类XxxItemExporter的形式呈现。

同样的在使用之前需要先实例化XxxItemExporter，那么我们先来看看都有哪些类。

• 关于JsonItemExporter与JsonLinesItemExporter的分析

  • JsonItemExporter典型输出

    [{"name": "Color TV", "price": "1200"},
    {"name": "DVD player", "price": "200"}]
    

  • JsonLinesItemExporter典型输出

    {"name": "Color TV", "price": "1200"}
    {"name": "DVD player", "price": "200"}
    

  • JsonItemExporter输出规范，适用于小数据量的输出;JsonLinesItemExporter适用于大量的输出。

BaseItemExporter为基础类，其他的都继承该类，下面我们以BaseItemExporter为例，介绍它的属性和方法。

• 方法

• 字段

实例化需要实现一下3个方法：

1. start_exporting()
2. export_item()
3. finish_exporting()

默认情况下，字段值由默认的序列化库执行序列化，当然我们也可以自定义实现，有以下2中方式：

• 在字段中声明一个序列化器，示例：

  import scrapy
  
  def serialize_price(value):
      return f'$ {str(value)}'
  
  class Product(scrapy.Item):
      name = scrapy.Field()
      price = scrapy.Field(serializer=serialize_price)
  

• 重写serialize_field()方法，示例：

  from scrapy.exporter import XmlItemExporter
  
  class ProductXmlExporter(XmlItemExporter):
  
      def serialize_field(self, field, name, value):
          if name == 'price':
              return f'$ {str(value)}'
          return super().serialize_field(field, name, value)
  

以我们之前的爬取csdn个人博客文章为例，现在我们要吧爬取的数据以json格式输出到文件中，pipelines.py代码实例：

class JSONPipeline:
    def __init__(self):
        self.fp = open("../../output/csdn.json", "wb")
        self.exporter = JsonItemExporter(self.fp, encoding='utf-8')

    def open_spider(self, spider):
        self.exporter.start_exporting()

    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

    def close_spider(self, spider):
        self.exporter.finish_exporting()
        self.fp.close()

输出：

[{"title": "process-进程详解-python", "publish": "2022-01-12 18:10:09", "approval": 0, "comment": 0, "collection": 0},...

现在很多应用特别是办公类，都需要和excel打交道，但是scrapy没有提供响应的导出器，你们我们参考BaseItemExporter自定义实现ExcelItemExporter。

详细过程参考链接：https://www.jianshu.com/p/a50b19b6258d

实例，以爬取csdn个人博客文章为例，pipeline代码

class ExcelPipeline:
    def __init__(self):
        self.fp = open("../../output/csdn.xls", "wb")
        self.exporter = ExcelItemExporter(self.fp, encoding='utf-8')

    def open_spider(self, spider):
        self.exporter.start_exporting()

    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

    def close_spider(self, spider):
        self.exporter.finish_exporting()
        self.fp.close()

输出：

参考文章：

• Scrapy导出Excel By Exporter

代码仓库：https://gitee.com/gaogzhen/python-study.git

QQ群:433529853