这两种方法都很常见,这只是一个偏好问题。对于包含一个蜘蛛中所有内容的情况,听起来像是一个简单的解决方案。
可以URL字段添加到您的项目和计划,并在管道后对其进行分析:
class MyPipeline(object):
def __init__(self, crawler):
self.crawler = crawler
@classmethod
def from_crawler(cls, crawler):
return cls(crawler)
def process_item(self, item, spider):
extra_url = item.get('extra_url', None)
if not extra_url:
return item
req = Request(url=extra_url
callback=self.custom_callback,
meta={'item': item},)
self.crawler.engine.crawl(req, spider)
# you have to drop the item here since you will return it later anyway
raise DropItem()
def custom_callback(self, response):
# retrieve your item
item = response.mete['item']
# do something to add to item
item['some_extra_stuff'] = ...
del item['extra_url']
yield item
什么上面的代码的作用是检查项目是否有一定的URL字段中,如果这样做,下降的项目并安排新的请求。该请求用一些额外数据填充该项目并将其发送回管道。
谢谢你的例子。我以前从未见过这种方法。 – user61629
我有一个后续问题。 http://stackoverflow.com/questions/42515747/initializing-pipeline-object-with-crawler-in-scrapy – user61629
我会在这里给你一个赏金给你的帮助。再次感谢。 – user61629