Question

在第3章中，我们学习了从页面中提取数据的方法，本章来学习如何封装爬取到的数据。以爬取某图书网站的书籍信息为例，对于网站中的每一本书可以提取出书名、价格、作者、出版社、出版时间等多个信息字段。应该用怎样的数据结构来维护这些零散的信息字段呢？最容易想到是使用Python字典（dict）。

回顾第1章example项目中BooksSpider的代码：

class BooksSpider(scrapy.Spider):
 ...
 def parse(self, response):
  for sel in response.css('article.product_pod'):
    name = sel.xpath('./h3/a/@title').extract_first()
    price = sel.css('p.price_color::text').extract_first()
    yield {
      'name': name,
      'price': price,
    }
 ...

在该案例中，我们便使用了Python字典存储一本书的信息，但字典可能有以下缺点：

（1）无法一目了然地了解数据中包含哪些字段，影响代码可读性。

（2）缺乏对字段名字的检测，容易因程序员的笔误而出错。

（3）不便于携带元数据（传递给其他组件的信息）。

为解决上述问题，在Scrapy中可以使用自定义的Item类封装爬取到的数据。