Question

我想知道如何忽略那些没有填充所有字段的项目，某种丢弃，因为在scrapyd的输出中我得到的页面没有填满所有字段。

我有那段代码：

class Product(scrapy.Item):
    source_url = scrapy.Field(
        output_processor = TakeFirst()
    )
    name = scrapy.Field(
        input_processor = MapCompose(remove_entities),
        output_processor = TakeFirst()
    )
    initial_price = scrapy.Field(
        input_processor = MapCompose(remove_entities, clear_price),
        output_processor = TakeFirst()
    )
    main_image_url = scrapy.Field(
        output_processor = TakeFirst()
    )

分析器：

def parse_page(self, response):
    try:
        l = ItemLoader(item=Product(), response=response)
        l.add_value('source_url', response.url)
        l.add_css('name', 'h1.title-product::text')
        l.add_css('main_image_url', 'div.pics a img.zoom::attr(src)')

        l.add_css('initial_price', 'ul.precos li.preco_normal::text')
        l.add_css('initial_price', 'ul.promocao li.preco_promocao::text')

        return l.load_item()

    except Exception as e:
        print self.log("#1 ERRO: %s" % e), response.url

我想用Loader完成它而不需要用我自己的Selector创建（以避免两次处理项目）。我想我可以将它们放到管道中但可能不是最好的方法，因为这些项目无效。

Answer 1

数据验证是管道的典型用例之一。在您的情况下，您只需要编写一些少量代码来检查必需的字段，类似于：

from scrapy.exceptions import DropItem

class YourPersonalPipeline(object):
    def process_item(self, item, spider):
        required_fields = [] # your list of required fields
        if all(field in item for field in required_fields):
            return item
        else:
            raise DropItem("your reason")

您需要在settings.py Read more in scrapy docs中启用管道。

Scrapy如何使用Loader忽略带有空白字段的项目

1 个答案: