返回介绍

14.4 Pipeline

发布于 2024-01-26 22:39:51 字数 1426 浏览 0 评论 0 收藏 0

上一节完成了爬虫模块的编写,下面开始编写Pipeline,主要是完成Item到MongoDB的存储,分成两个集合进行存储:UserInfo和Relation。代码如下:

  class ZhihucrawlPipeline(object):
  
     def __init__(self, mongo_uri, mongo_db):
       self.mongo_uri = mongo_uri
       self.mongo_db = mongo_db
  
     @classmethod
     def from_crawler(cls, crawler):
       return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),
            mongo_db=crawler.settings.get('MONGO_DATABASE', 'zhihu')
       )
  
     def open_spider(self, spider):
       self.client = pymongo.MongoClient(self.mongo_uri)
       self.db = self.client[self.mongo_db]
  
     def close_spider(self, spider):
       self.client.close()
  
     def process_item(self, item, spider):
  
       if isinstance(item,UserInfoItem):
            self._process_user_item(item)
       else:
            self._process_relation_item(item)
       return item
  
     def _process_user_item(self,item):
       self.db.UserInfo.insert(dict(item))
  
  
     def _process_relation_item(self,item):
       self.db.Relation.insert(dict(item))

代码和13.3节的非常类似,首先从Settings中加载MONGO_URI和MONGO_DATABASE,初始化连接URL和数据库名称,在process_item方法中判断item的类型,然后使用_process_user_item和_process_user_item方法存储到不同的集合中。下面在Settings中设置MONGO_URI,MONGO_DATABASE和激活Pipeline:

  MONGO_URI = 'mongodb:// 127.0.0.1:27017/'
  MONGO_DATABASE='zhihu'
  ITEM_PIPELINES = {
     'zhihuCrawl.pipelines.ZhihucrawlPipeline': 300,
  }

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文