Question

假设我们有一个包含几个爬虫的应用，以Python常见格式提供爬取日期。数据库需要将其转为字符串格式，以便进行索引。我们不想编辑爬虫，因为爬虫的数量比较多。此时可以怎么做呢？使用一个非常简单的管道对Item进行后置处理，执行需要的转换即可。让我们看看它是如何工作的。

from datetime import datetime

class TidyUp(object):
　　def process_item(self, item, spider):
　　　　item['date'] = map(datetime.isoformat, item['date'])
　　　　return item

如你所见，这里只有一个包含process_item()方法的简单类。这是我们为了这个简单管道所需要做的所有事情。我们可以复用第3章中的爬虫，将前面的代码写入pipelines目录的tidyup.py文件中。

可以将这个Item管道的代码放到任何地方，不过为其创建一个单独的目录是一个好主意。

现在，需要编辑项目的settings.py文件，将ITEM_PIPELINES设置为

ITEM_PIPELINES = {'properties.pipelines.tidyup.TidyUp': 100 }

前面代码字典中的数字100，用于定义管道连接的顺序。如果另一个管道有更小的数值，它将在该管道之前优先处理Item。

本示例的完整代码位于ch08/properties目录中。

现在，可以运行该爬虫了。

$ scrapy crawl easy -s CLOSESPIDER_ITEMCOUNT=90
...
INFO: Enabled item pipelines: TidyUp
...
DEBUG: Scraped from <200 ...property_000060.html>
...
　 'date': ['2015-11-08T14:47:04.148968'],

和我们期望的一样，日期现在被格式化为ISO字符串了。