标签：需要 范围 存储 pipeline 保存到文件 def ems col 编码
当Item在Spider中被收集之后，它将会被传递到Item Pipeline，这些Item Pipeline组件按定义的顺序处理Item。
每个Item Pipeline都是实现了简单方法的Python类，比如决定此Item是丢弃而存储。以下是item pipeline的一些典型应用：
编写item pipeline很简单，item pipiline组件是一个独立的Python类，同时必须实现以下方法，其中process_item()方法必须实现：
import something class SomethingPipeline(object): def __init__(self): # 可选实现，做参数初始化等 # doing something def process_item(self, item, spider): # item (Item 对象) – 被爬取的item # spider (Spider 对象) – 爬取该item的spider # 这个方法必须实现，每个item pipeline组件都需要调用该方法， # 这个方法必须返回一个 Item 对象，被丢弃的item将不会被之后的pipeline组件所处理。 return item def open_spider(self, spider): # spider (Spider 对象) – 被开启的spider # 可选实现，当spider被开启时，这个方法被调用。 def close_spider(self, spider): # spider (Spider 对象) – 被关闭的spider # 可选实现，当spider被关闭时，这个方法被调用
以下pipeline将所有(从所有‘spider‘中)爬取到的item，存储到一个独立地items.json 文件，每行包含一个序列化为‘JSON‘格式的‘item‘。
打开 pipelines.py 文件，写入下面代码:
# -*- coding: utf-8 -*- import json #管道文件，进行数据的处理 class MyspiderPipeline(object): #定义初始化方法 def __init__(self): self.file = open("pipelines_json","w") def process_item(self, item, spider): #注意：json.dumps() 处理中文默认使用ascii编码，会导致中文无法正常显示,添加参数 ensure_ascii=False 来禁用ascii编码 content = json.dumps(dict(item), ensure_ascii=False) + "\n" self.file.write(content)
#一定要返回Item，告诉引擎Item处理完毕，获取下一个Item return item #关闭管道文件 def close_spidedr(self,spider): self.file.close()
为了启用Item Pipeline组件，必须将它的类添加到 settings.py文件ITEM_PIPELINES 配置：
# Configure item pipelines # See https://doc.scrapy.org/en/latest/topics/item-pipeline.html ITEM_PIPELINES = { #数字越小，表示优先级越高 ‘mySpider.pipelines.MyspiderPipeline‘: 300, }
分配给每个类的整型值，确定了他们运行的顺序，item按数字从低到高的顺序，通过pipeline，通常将这些数字定义在0-1000范围内（0-1000随意设置，数值越低，组件的优先级越高）
在mySpider目录下执行：scrapy crawl itcast
查看当前目录是否生成pipelines_json文件生成
标签：需要 范围 存储 pipeline 保存到文件 def ems col 编码
原文地址：https://www.cnblogs.com/yaboya/p/9059252.html
