爬虫蜘蛛scrapy.Item类详解 (17)python SCRAPY最新教程1.51以上版本

抓取的主要目标是从非结构化源（通常是网页）中提取结构化数据。Scrapy蜘蛛可以像Python一样返回提取的数据。虽然方便和熟悉，但Python缺乏结构：很容易在字段名称中输入拼写错误或返回不一致的数据，尤其是在具有许多蜘蛛的较大项目中。

为了定义通用输出数据格式，Scrapy提供了Item类。 Item对象是用于收集抓取数据的简单容器。它们提供类似字典的 API，并具有用于声明其可用字段的方便语法。

各种Scrapy组件使用Items提供的额外信息：导出器查看声明的字段以确定要导出的列，可以使用Item字段元数据自定义序列化，trackref 跟踪Item实例以帮助查找内存泄漏（请参阅使用trackref调试内存泄漏）等。

声明项目

使用简单的类定义语法和Field 对象声明项。这是一个例子：

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

注意

那些熟悉Django的人会注意到Scrapy Items被宣告类似于Django Models，除了Scrapy Items更简单，因为没有不同字段类型的概念。

项目字段

Field对象用于指定每个字段的元数据。例如，last_updated上面示例中说明的字段的序列化函数。

您可以为每个字段指定任何类型的元数据。Field对象接受的值没有限制。出于同样的原因，没有所有可用元数据键的参考列表。Field对象中定义的每个键可以由不同的组件使用，只有那些组件知道它。您也可以根据Field自己的需要定义和使用项目中的任何其他 键。Field对象的主要目标是提供一种在一个地方定义所有字段元数据的方法。通常，行为取决于每个字段的那些组件使用某些字段键来配置该行为。您必须参考其文档以查看每个组件使用的元数据键。

请务必注意，Field用于声明项目的对象不会保留为类属性。相反，可以通过Item.fields属性访问它们。

使用项目

以下是使用上面声明的Product项目对项目执行的常见任务的一些示例 。您会注意到API与dict API非常相似。

创建项目

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

获取字段值

>>> 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

设定字段值

>>> 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'

访问所有填充值

要访问所有填充值，只需使用典型的dict API：

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

其他常见任务

复制项目：

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

从项目创建dicts：

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

从dicts创建项目：

>>> 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'

扩展项目

您可以通过声明原始Item的子类来扩展Items（以添加更多字段或更改某些字段的某些元数据）。

例如：

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

您还可以使用先前的字段元数据扩展字段元数据，并附加更多值或更改现有值，如下所示：

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

这会添加（或替换）字段的serializer元数据键name，保留所有先前存在的元数据值。

物品对象

classscrapy.item.Item（[arg ]）

返回一个可选的从给定参数初始化的新Item。

Items复制标准dict API，包括其构造函数。Items提供的唯一附加属性是：

fields

包含此Item的所有已声明字段的字典，不仅包括已填充的字段。键是字段名称，值是Item声明中Field使用的 对象。

字段对象

classscrapy.item.Field（[arg ]）

该Field班只是一个别名内置的字典类，并没有提供任何额外功能或属性。换句话说， Field对象是普通的Python dicts。一个单独的类用于支持 基于类属性的项声明语法。