标签：cut parse 返回 ali most 副本 没有 port doc
主要目标是从非结构化来源（通常是网页）提取结构化数据。Scrapy爬虫可以将提取的数据作为Python语句返回。虽然方便和熟悉，Python dicts缺乏结构：很容易在字段名称中输入错误或返回不一致的数据，特别是在与许多爬虫的大项目。
要定义公共输出数据格式，Scrapy提供Item类。 Item对象是用于收集所抓取的数据的简单容器。它们提供了一个类似字典的 API，具有用于声明其可用字段的方便的语法。
各种Scrapy组件使用项目提供的额外信息：导出器查看声明的字段以计算要导出的列，序列化可以使用项字段元数据trackref 定制，跟踪项实例以帮助查找内存泄漏（请参阅使用trackref调试内存泄漏）等。
使用简单的类定义语法和Field 对象来声明项目。这里是一个例子：
import scrapy class Product(scrapy.Item): name = scrapy.Field() price = scrapy.Field() stock = scrapy.Field() last_updated = scrapy.Field(serializer=str)
注意
熟悉Django的人会注意到Scrapy Items被声明为类似于Django Models，只是Scrapy Items比较简单，因为没有不同字段类型的概念。
Field对象用于为每个字段指定元数据。例如，last_updated上面示例中所示的字段的序列化函数。
您可以为每个字段指定任何种类的元数据。对Field对象接受的值没有限制。出于同样的原因，没有所有可用元数据键的参考列表。Field对象中定义的每个键可以由不同的组件使用，并且只有那些组件知道它。您也可以定义和使用Field项目中的任何其他 键，为您自己的需要。Field对象的主要目标 是提供一种在一个地方定义所有字段元数据的方法。通常，那些行为取决于每个字段的组件使用某些字段键来配置该行为。您必须参考他们的文档，以查看每个组件使用哪些元数据键。
重要的是要注意，Field用于声明项目的对象不会被分配为类属性。相反，可以通过Item.fields属性访问它们。
下面是使用上面声明的Product项目对项目执行的常见任务的一些示例 。你会注意到API非常类似于dict API。
在爬虫文件中导入Product这个项目类;
import scrapy from taobao.items import Product class DowloadTaobaoSpider(scrapy.Spider): name = ‘dowload_taobao‘ allowed_domains = [‘www.taobao.com‘] start_urls = [‘http://www.taobao.com/‘] def parse(self, response): # 实例化Product product = Product(name=‘Desktop PC‘, price=1000)
>>> product[‘name‘] Desktop PC >>> product.get(‘name‘) Desktop PC >>> product[‘price‘] 1000 >>> product[‘last_updated‘] Traceback (most recent call last): ... KeyError: ‘last_updated‘ >>> product.get(‘last_updated‘, ‘not set‘) not set >>> product[‘lala‘] # getting unknown field Traceback (most recent call last): ... KeyError: ‘lala‘ >>> product.get(‘lala‘, ‘unknown field‘) ‘unknown field‘ >>> ‘name‘ in product # is name field populated? True >>> ‘last_updated‘ in product # is last_updated populated? False >>> ‘last_updated‘ in product.fields # is last_updated a declared field? True >>> ‘lala‘ in product.fields # is lala a declared field? False
>>> product [ ‘last_updated‘ ] = ‘today‘ >>> product [ ‘last_updated‘ ] today >>> product [ ‘lala‘ ] = ‘test‘ ＃设置未知字段 Traceback（最近调用最后一次）： ... KeyError：‘产品不支持字段：lala‘
要访问所有填充值，只需使用典型的dict API：
>>> product.keys() [‘price‘, ‘name‘] >>> product.items() [(‘price‘, 1000), (‘name‘, ‘Desktop PC‘)]
要复制项目，必须首先决定是要浅副本还是深副本。
如果您的物品包含 mutable 值如列表或字典，一个浅拷贝将在所有不同的拷贝中保持对相同可变值的引用。
例如，如果您有一个带有标记列表的项目，并且您创建了该项目的浅副本，那么原始项目和副本都具有相同的标记列表。向其中一个项目的列表中添加标记也会将标记添加到另一个项目中。
如果这不是所需的行为，请使用深度复制。
要创建项目的浅副本，可以调用 copy() 在现有项上 (product2 = product.copy() ）或从现有项实例化项类 (product2 = Product(product) ）
要创建深度复制，请调用 deepcopy() 相反 (product2 = product.deepcopy() ）
从项目创建字典：
>>> dict(product) # create a dict from all populated values {‘price‘: 1000, ‘name‘: ‘Desktop PC‘}
从dicts创建项目：
>>> Product({‘name‘: ‘Laptop PC‘, ‘price‘: 1500})
Product(price=1500, name=‘Laptop PC‘)
>>> Product({‘name‘: ‘Laptop PC‘, ‘lala‘: 1500}) # warning: unknown field in dict
Traceback (most recent call last):
...
KeyError: ‘Product does not support field: lala‘
标签：cut parse 返回 ali most 副本 没有 port doc
原文地址：https://www.cnblogs.com/songzhixue/p/11331802.html
