一日一技：从 Scrapy 学习模块导入技巧

Posted 2020-12-21

一日一技：从 Scrapy 学习模块导入技巧

截图：产品经理
我们平时导入第三方模块的时候，一般使用的是import关键字，例如：

import scrapy
from scrapy.spider import Spider

但是如果各位同学看过 Scrapy 的settings.py文件，就会发现里面会通过字符串的方式来指定 pipeline 和 middleware，例如：

 DOWNLOADER_MIDDLEWARES = {
     ‘Test.middlewares.ExceptionRetryMiddleware‘: 545,
     ‘Test.middlewares.BOProxyMiddlewareV2‘: 543,
 }

  SPIDER_MIDDLEWARES = {
    ‘Test.middlewares.LoggingRequestMiddleware‘: 543,
 }

我们知道，这里的Test.middlewares.ExceptionRetryMiddleware实际上对应了根目录下面的Test文件夹里面的middlewares.py文件中的ExceptionRetryMiddleware类。那么 Scrapy 是如何根据这个字符串，导入这个类的呢？

在 Scrapy 源代码中，我们可以找到相关的代码[1]：

def load_object(path):
    """Load an object given its absolute object path, and return it.
    object can be a class, function, variable or an instance.
    path ie: ‘scrapy.downloadermiddlewares.redirect.RedirectMiddleware‘
    """

    try:
        dot = path.rindex(‘.‘)
    except ValueError:
        raise ValueError("Error loading object ‘%s‘: not a full path" % path)

    module, name = path[:dot], path[dot+1:]
    mod = import_module(module)

    try:
        obj = getattr(mod, name)
    except AttributeError:
        raise NameError("Module ‘%s‘ doesn‘t define any object named ‘%s‘" % (module, name))

    return obj

根据这段代码，我们知道，它使用了importlib模块的import_module函数：

首先根据字符串路径最右侧的.把字符串路径分成两个部分，例如：Test.middlewares.LoggingRequestMiddleware分成Test.middlewares和LoggingRequestMiddleware
使用import_module导入左边的部分
从左边部分通过getattr获得具体的类
现在我们来测试一下。我们创建的测试文件结构如下图所示：

其中，pipelines.py文件的内容如下图所示：

main.py文件的内容如下图所示：

运行main.py，可以看到pipelines.py中的Pipeline类被成功执行了，如下图所示：

参考资料

[1]
相关的代码: https://github.com/scrapy/scrapy/blob/master/scrapy/utils/misc.py#L33