爬虫：Scrapy2 - Items

Posted 2020-08-08 sufei

Item 对象是种简单的容器，保存了爬取到得数据。其提供了类似于词典(dictionary-like)的API以及用于声明可用字段的简单语法。

声明Item

import scrapy

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

注：与 Django Models 很类似，不过没有那么多不同的字段类型（Field type）。

Item字段（Item Fields）

Field 对象指明了每个字段的元数据(metadata)。例如上面例子中 last_updated 中指明了该字段的序列化函数。

可以为每个字段指明任何类型的元数据。

创建item

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

获取字段的值

>>> 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

设置字段的值

>>> 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‘

获取所有获取到的值

>>> product.keys()
[‘price‘, ‘name‘]

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

赋值item

>>> product2 = Product(product)
>>> print product2
Product(name=‘Desktop PC‘, price=1000)

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

根据item创建字典(dict)

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

根据字典(dict)创建item

>>> 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Item

可以通过继承原始的 Item 来扩展 item(添加更多的字段或者修改某些字段的元数据)。

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

也可以通过使用原字段的元数据，添加新的值或修改原来的值来扩展字段的元数据：

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

这段代码在保留所有原来的元数据值的情况下添加(或者覆盖)了 name 字段的 serializer。

Item对象

class scrapy.item.Item([arg])

返回一个根据给定的参数可选初始化的 item。

Item复制了标准的 dict API。包括初始化函数也相同。Item 唯一额外添加的属性是：

fields

一个包含了 item 所有声明的字段的字典，而不仅仅是获取到的字段。该字典的 key 是字段(field)的名字，值是 Item 声明中使用到的 Field 对象。

字段(Field)对象

class scrapy.item.Field([arg])

Field 仅仅是内置的 dict 类的一个别名，并没有提供额外的方法或者属性。换句话说，Field 对象完完全全就是 Python 字典(dict)。被用来基于类属性(class attribute)的方法来支持 item 声明语法。