Question

我正在尝试基于JsonLinesItemExporter创建一个自定义Scrapy项目导出器，这样我就可以稍微改变它产生的结构。

我已阅读此处的文档http://doc.scrapy.org/en/latest/topics/exporters.html，但未说明如何创建自定义导出程序，存储位置或如何将其链接到管道。

我已经确定了如何使用Feed Exporters进行自定义，但这不符合我的要求，因为我想从我的管道中调用此导出器。

以下是我提出的代码，该代码已存储在名为exporters.py的项目根目录中的文件中

from scrapy.contrib.exporter import JsonLinesItemExporter

class FanItemExporter(JsonLinesItemExporter):

def __init__(self, file, **kwargs):
    self._configure(kwargs, dont_fail=True)
    self.file = file
    self.encoder = ScrapyJSONEncoder(**kwargs)
    self.first_item = True

def start_exporting(self):
    self.file.write("""{
'product': [""")

def finish_exporting(self):
    self.file.write("]}")

def export_item(self, item):
    if self.first_item:
        self.first_item = False
    else:
        self.file.write(',\n')
    itemdict = dict(self._get_serialized_fields(item))
    self.file.write(self.encoder.encode(itemdict))

我只是尝试通过使用FanItemExporter并尝试导入的变体来从我的管道中调用它，但它不会产生任何结果。

Answer 1

Scrapy文档确实没有明确说明项目导出器的放置位置。要使用项目导出器，请遵循以下步骤。

选择一个Item Exporter类并将其导入项目目录中的pipeline.py。它可以是预定义的项目导出程序（例如XmlItemExporter）或用户定义的（如问题中定义的FanItemExporter）
在pipeline.py中创建项目管道类。在此类中实例化导入的项目导出器。详情将在答案的后半部分解释。
现在，在settings.py文件中注册此管道类。

以下是每个步骤的详细说明。每个步骤都包含问题的解决方案。

第1步

如果使用预定义的Item Exporter类，请从scrapy.exporters模块导入它例如： from scrapy.exporters import XmlItemExporter
如果需要自定义导出器，请在文件中定义自定义类。我建议将该课程放在exporters.py文件中。将此文件放在项目文件夹中（settings.py，items.py所在的位置）。

在创建新的子类时，导入BaseItemExporter始终是个好主意。如果我们打算完全改变功能，那将是恰当的。但是，在这个问题中，大多数功能都接近JsonLinesItemExporter。

因此，我附加了相同ItemExporter的两个版本。一个版本扩展BaseItemExporter类，另一个版本扩展JsonLinesItemExporter类

版本1 ：扩展BaseItemExporter

由于BaseItemExporter是父类，start_exporting()，finish_exporting()，export_item()必须覆盖以满足我们的需求。

from scrapy.exporters import BaseItemExporter
from scrapy.utils.serialize import ScrapyJSONEncoder
from scrapy.utils.python import to_bytes

class FanItemExporter(BaseItemExporter):

    def __init__(self, file, **kwargs):
        self._configure(kwargs, dont_fail=True)
        self.file = file
        self.encoder = ScrapyJSONEncoder(**kwargs)
        self.first_item = True

    def start_exporting(self):
        self.file.write(b'{\'product\': [')

    def finish_exporting(self):
        self.file.write(b'\n]}')

    def export_item(self, item):
        if self.first_item:
            self.first_item = False
        else:
            self.file.write(b',\n')
        itemdict = dict(self._get_serialized_fields(item))
        self.file.write(to_bytes(self.encoder.encode(itemdict)))

第2版：扩展JsonLinesItemExporter

JsonLinesItemExporter提供了与export_item()方法完全相同的实现。因此，只有start_exporting()和finish_exporting()方法被覆盖。

JsonLinesItemExporter

python_dir\pkgs\scrapy-1.1.0-py35_0\Lib\site-packages\scrapy\exporters.py

from scrapy.exporters import JsonItemExporter

class FanItemExporter(JsonItemExporter):

    def __init__(self, file, **kwargs):
        # To initialize the object using JsonItemExporter's constructor
        super().__init__(file)

    def start_exporting(self):
        self.file.write(b'{\'product\': [')

    def finish_exporting(self):
        self.file.write(b'\n]}')

注意：将数据写入文件时，请务必注意标准的Item Exporter类需要二进制文件。因此，必须以二进制模式（b）打开文件。出于同样的原因，版本中的write()方法写入文件bytes。

第2步

创建项目管道类。

from project_name.exporters import FanItemExporter

class FanExportPipeline(object):
    def __init__(self, file_name):
        # Storing output filename
        self.file_name = file_name
        # Creating a file handle and setting it to None
        self.file_handle = None

    @classmethod
    def from_crawler(cls, crawler):
        # getting the value of FILE_NAME field from settings.py
        output_file_name = crawler.settings.get('FILE_NAME')

        # cls() calls FanExportPipeline's constructor
        # Returning a FanExportPipeline object
        return cls(output_file_name)

    def open_spider(self, spider):
        print('Custom export opened')

        # Opening file in binary-write mode
        file = open(self.file_name, 'wb')
        self.file_handle = file

        # Creating a FanItemExporter object and initiating export
        self.exporter = FanItemExporter(file)
        self.exporter.start_exporting()

    def close_spider(self, spider):
        print('Custom Exporter closed')

        # Ending the export to file from FanItemExport object
        self.exporter.finish_exporting()

        # Closing the opened output file
        self.file_handle.close()

    def process_item(self, item, spider):
        # passing the item to FanItemExporter object for expoting to file
        self.exporter.export_item(item)
        return item

第3步

由于定义了项目导出管道，请在settings.py文件中注册此管道。同时将字段FILE_NAME添加到settings.py文件。该字段包含输出文件的文件名。

将以下行添加到settings.py文件中。

FILE_NAME = 'path/outputfile.ext'
ITEM_PIPELINES = {
    'project_name.pipelines.FanExportPipeline' : 600,
}

如果ITEM_PIPELINES已取消注释，则将以下行添加到ITEM_PIPELINES词典。

'project_name.pipelines.FanExportPipeline' : 600,

这是创建自定义项目导出管道的一种方法。

注意：

如何创建自定义Scrapy项目导出程序？

1 个答案:

第1步

第2步

第3步