scrapy框架之items项目

Items

　　主要目标是从非结构化来源（一般是网页）提取结构化数据。Scrapy爬虫能够将提取的数据做为Python语句返回。虽然方便和熟悉，Python dicts缺少结构：很容易在字段名称中输入错误或返回不一致的数据，特别是在与许多爬虫的大项目。

　　要定义公共输出数据格式，Scrapy提供Item类。 Item对象是用于收集所抓取的数据的简单容器。它们提供了一个相似字典的 API，具备用于声明其可用字段的方便的语法。

　　各类Scrapy组件使用项目提供的额外信息：导出器查看声明的字段以计算要导出的列，序列化可使用项字段元数据trackref 定制，跟踪项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 对象来声明项目。这里是一个例子：

import scrapy

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

注意

熟悉Django的人会注意到Scrapy Items被声明为相似于Django Models，只是Scrapy Items比较简单，由于没有不一样字段类型的概念。

项目字段

Field对象用于为每一个字段指定元数据。例如，last_updated上面示例中所示的字段的序列化函数。

您能够为每一个字段指定任何种类的元数据。对Field对象接受的值没有限制。出于一样的缘由，没有全部可用元数据键的参考列表。Field对象中定义的每一个键能够由不一样的组件使用，而且只有那些组件知道它。您也能够定义和使用Field项目中的任何其余 键，为您本身的须要。Field对象的主要目标 是提供一种在一个地方定义全部字段元数据的方法。一般，那些行为取决于每一个字段的组件使用某些字段键来配置该行为。您必须参考他们的文档，以查看每一个组件使用哪些元数据键。

重要的是要注意，Field用于声明项目的对象不会被分配为类属性。相反，能够经过Item.fields属性访问它们。

使用项目

下面是使用上面声明的Product项目对项目执行的常见任务的一些示例 。你会注意到API很是相似于dict API。

在爬虫文件中导入Product这个项目类;

import scrapy
from taobao.items import Product

class DowloadTaobaoSpider(scrapy.Spider):
    name = 'dowload_taobao'
    allowed_domains = ['www.taobao.com']
    start_urls = ['http://www.taobao.com/']

    def parse(self, response):
        # 实例化Product
        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

设置字段值

>>> product [ 'last_updated' ]  =  'today' 
>>> product [ 'last_updated' ] 
today

>>> product [ 'lala' ]  =  'test'  ＃设置未知字段
Traceback（最近调用最后一次）：
    ... 
KeyError：'产品不支持字段：lala'

访问全部填充值

要访问全部填充值，只需使用典型的dict API：

>>> product.keys()
['price', 'name']

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

复制项目

要复制项目，必须首先决定是要浅副本仍是深副本。

若是您的物品包含 mutable 值如列表或字典，一个浅拷贝将在全部不一样的拷贝中保持对相同可变值的引用。

例如，若是您有一个带有标记列表的项目，而且您建立了该项目的浅副本，那么原始项目和副本都具备相同的标记列表。向其中一个项目的列表中添加标记也会将标记添加到另外一个项目中。

若是这不是所需的行为，请使用深度复制。

要建立项目的浅副本，能够调用 copy() 在现有项上 (product2 = product.copy() ）或从现有项实例化项类 (product2 = Product(product) ）

要建立深度复制，请调用 deepcopy() 相反 (product2 = product.deepcopy() ）

其余常见任务

从项目建立字典：

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

从dicts建立项目：

>>> 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'