zoukankan      html  css  js  c++  java
  • scrapy持久化存储

    基于终端指令:

    要求:只可以将parse方法的返回值存储到本地的文本文件中

    注意:持久批存储对应的文本文件类型只可以为:('csv', 'pickle', 'json', 'xml', 'jl', 'jsonlines', 'marshal')

    指令:scrapy crawl xxx -o filePath

    好处:简洁高效便捷

    缺点:局限性比较强(数据只可以存储到指定后缀的文本文件中)


     

    基于管道:

    编码流程:

    • 数据解析
    • 在item类中定义相关的属性
    • 将解析的数据封装存储到item类型的对象
    • 将item类型的对象提交给管道进行持久化存储的操作
    • 在管道类的process_item中要将其接收到的item对象中存储的数据进行持久化存储操作
    • 在配置文件中开启管道

    好处:

    • 通用性强

    面试题:将爬取到的数据一份存储到本地一份存储到数据库,如何实现

    • 管道文件中一个管道类对应的是将数据存储到一种平台,所以需要在pipelines.py文件中定义新的管道类
    • 爬虫文件提交的item只会给管理文件中第一个被执行的管道类接收
    • process_item中return item表示将item传递给下一个即将被执行的管道类

     

  • 相关阅读:
    Linux下安装启动nginx的过程
    shell编程
    Linux中的权限管理
    Linux中的模式转换
    Linux入门2
    Linux入门1
    数据库的多表查询及左右连接
    Python命令行参数sys.argv[]
    Python 读取csv文件到excel
    高级技巧
  • 原文地址:https://www.cnblogs.com/nanjo4373977/p/12986396.html
Copyright © 2011-2022 走看看