• pipelines 的使用
  • 一个例子
• pipelines 常用的函数

pipelines 的使用

1. 在 pipelines.py 中创建 pipelines 的类。(也可用默认存在的类)

class PipelinesTest:

    def process_item(self, item, spider):
        print(item)
        return item

2. 编写数据处理的函数，函数格式是固定的。

def process_item(self, item, spider):
	# 中间这里插入需要做的事情，其他的都别改
    return item

3. 在 settings.py 中启用 pipelines
   在 settings.py 中找到如图所示代码
   
   取消注释
   
   再把名字给改成自己的，就行了
   
   可以有多条管道，所以可以不改名字，而是把自己创建的管道的名字加进去，像这样
   

4. 编写 spider 返回的数据格式。(在 items.py 中编写,编写格式也是固定、不能更改的)

class PipelinesTestItem(scrapy.Item):
    name = scrapy.Field()

name 可以改别的，也可以多加几个，但格式得固定，例如

class PipelinesTestItem(scrapy.Item):
    name = scrapy.Field()
    hentai = scrapy.Field()
    homula = scrapy.Field()

5. 在 spider 中导入 items
   from ..items import PipelinesTestItem

6. 通过 yield(生成器方式) 返回数据

def parse(self, response):
    name = "丘比必死，圆神永存"
    print(name)
    yield PipelinesTestItem(name=name)

一个例子

import scrapy
from ..items import PipelinesTestItem


class TestSpider(scrapy.Spider):
    name = 'douban'
    allowed_domains = ['movie.douban.com']
    start_urls = ['https://movie.douban.com/top250?start=0&filter=']

    def parse(self, response):
        name = "丘比必死，圆神永存"
        print(name)
        yield PipelinesTestItem(name=name)

# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html

import scrapy


class SpridertestItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    pass


class PipelinesTestItem(scrapy.Item):
    name = scrapy.Field()

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html


# useful for handling different item types with a single interface
from itemadapter import ItemAdapter


class SpridertestPipeline:
    def process_item(self, item, spider):
        return item


class PipelinesTest:

    def process_item(self, item, spider):
        print(item)
        return item

第3步在 settings.py 启用 pipelines ，考虑到代码太多不好对比我就没放了，跟着第三步做就对了。

pipelines 常用的函数

一如既往地，格式是固定如下的。

1. open_spider(self, spider) : 开启及执行
2. process_item(self, item, spider) : 数据处理
3. close_spider(self, spider) : 爬虫结束时调用

class PipelinesTest:

    def open_spider(self, spider):
        print('我是开始')

    def process_item(self, item, spider):
        print(item)
        return item

    def close_spider(self, spider):
        print('我是结束')

简单粗暴，这串代码全是在 pipelines.py 里的，复制上去，自己动手改一下，print 一下就知道大概的一个逻辑思路了。

如果觉得写的还不错的话，可以关注支持一下，哪有问题的话也可以随意评论的，大不了聊天嘛