注意:數據保存的操作都是在pipelines.py文件裏操作的
將數據保存爲json文件
spider是一個信號檢測
# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
from scrapy.pipelines.images import ImagesPipeline #導入圖片下載器模塊
import codecs
import json
class AdcPipeline(object): #定義數據處理類,必須繼承object
def __init__(self):
self.file = codecs.open('shuju.json', 'w', encoding='utf-8') #初始化時打開json文件
def process_item(self, item, spider): #process_item(item)爲數據處理函數,接收一個item,item裏就是爬蟲最後yield item 來的數據對象
# print('文章標題是:' + item['title'][0])
# print('文章縮略圖url是:' + item['img'][0])
# print('文章縮略圖保存路徑是:' + item['img_tplj']) #接收圖片下載器填充的,圖片下載後的路徑
#將數據保存爲json文件
lines = json.dumps(dict(item), ensure_ascii=False) + '\n' #將數據對象轉換成json格式
self.file.write(lines) #將json格式數據寫入文件
return item
def spider_closed(self,spider): #創建一個方法繼承spider,spider是一個信號,當前數據操作完成後觸發這個方法
self.file.close() #關閉打開文件
class imgPipeline(ImagesPipeline): #自定義一個圖片下載內,繼承crapy內置的ImagesPipeline圖片下載器類
def item_completed(self, results, item, info): #使用ImagesPipeline類裏的item_completed()方法獲取到圖片下載後的保存路徑
for ok, value in results:
img_lj = value['path'] #接收圖片保存路徑
# print(ok)
item['img_tplj'] = img_lj #將圖片保存路徑填充到items.py裏的字段裏
return item #將item給items.py 文件的容器函數
#注意:自定義圖片下載器設置好後,需要在
如果你依然在編程的世界裏迷茫,可以加入我們的Python學習扣qun:784758214,看看前輩們是如何學習的。交流經驗。從基礎的python腳本到web開發、爬蟲、django、數據挖掘等,零基礎到項目實戰的資料都有整理。送給每一位python的小夥伴!分享一些學習的方法和需要注意的小細節,點擊加入我們的 python學習者聚集地
將數據保存到數據庫
我們使用一個ORM框架sqlalchemy模塊,保存數據
數據庫操作文件
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column
from sqlalchemy import Integer, String, TIMESTAMP
from sqlalchemy import ForeignKey, UniqueConstraint, Index
from sqlalchemy.orm import sessionmaker, relationship
from sqlalchemy import create_engine
#配置數據庫引擎信息
ENGINE = create_engine("mysql+pymysql://root:[email protected]:3306/cshi?charset=utf8", max_overflow=10, echo=True)
Base = declarative_base() #創建一個SQLORM基類
class SendMsg(Base): #設計表
__tablename__ = 'sendmsg'
id = Column(Integer, primary_key=True, autoincrement=True)
title = Column(String(300))
img_tplj = Column(String(300))
def init_db():
Base.metadata.create_all(ENGINE) #向數據庫創建指定表
def drop_db():
Base.metadata.drop_all(ENGINE) #向數據庫刪除指定表
def session():
cls = sessionmaker(bind=ENGINE) #創建sessionmaker類,操作表
return cls()
# drop_db() #刪除表
# init_db() #創建表
pipelines.py文件
在學習過程中有什麼不懂得可以加我的
python學習交流扣扣qun,784758214
羣裏有不錯的學習視頻教程、開發工具與電子書籍。
與你分享python企業當下人才需求及怎麼從零基礎學習好python,和學習什麼內容
# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
from scrapy.pipelines.images import ImagesPipeline #導入圖片下載器模塊
from adc import shujuku as ORM #導入數據庫文件
class AdcPipeline(object): #定義數據處理類,必須繼承object
def __init__(self):
ORM.init_db() #創建數據庫表
def process_item(self, item, spider): #process_item(item)爲數據處理函數,接收一個item,item裏就是爬蟲最後yield item 來的數據對象
print('文章標題是:' + item['title'][0])
print('文章縮略圖url是:' + item['img'][0])
print('文章縮略圖保存路徑是:' + item['img_tplj']) #接收圖片下載器填充的,圖片下載後的路徑
mysq = ORM.session()
shuju = ORM.SendMsg(title=item['title'][0], img_tplj=item['img_tplj'])
mysq.add(shuju)
mysq.commit()
return item
class imgPipeline(ImagesPipeline): #自定義一個圖片下載內,繼承crapy內置的ImagesPipeline圖片下載器類
def item_completed(self, results, item, info): #使用ImagesPipeline類裏的item_completed()方法獲取到圖片下載後的保存路徑
for ok, value in results:
img_lj = value['path'] #接收圖片保存路徑
# print(ok)
item['img_tplj'] = img_lj #將圖片保存路徑填充到items.py裏的字段裏
return item #將item給items.py 文件的容器函數
#注意:自定義圖片下載器設置好後,需要在