如何引入ItemLoader和Item預處理函數

今天就跟大家聊聊有關如何引入ItemLoader和Item預處理函數，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

1.引入ItemLoader

• 在項目的item.py文件中創建一個自定義的loader類，然后讓這個自定義類繼承ItemLoader類；

class XkdItemLoader(ItemLoader):
    default_output_processor = TakeFirst()

• ItemLoader類的語法：scrapy.loader.ItemLoader（[ item，selector，response，] ** kwargs ），它可以接收一個 Item 實例來指定要加載的 Item，然后指定 r來確定要解析的內容esponse 或者 selector； ItemLoader 實例還提供很多方法，如提供add_css()方法和add_xpath()方法來通過 css 和xpath 解析賦值，或使用add_value()方法來單獨進行賦值等。

• 更多其他的用法大家可以查看： https://doc.scrapy.org/en/latest/topics/loaders.html

2.修改spider，讓itemloader完成素定位和元素解析

• 首先重寫spider中的parse_analyse方法，導入自定義的loader類，然后需要實例化這個loader類，將參數item和response傳遞到loader類中。 然后可以使用add_css()、add_xpath()、add_value()方法來提取和收集數據保存到loader類實例化對象中； 最后當所有數據被收集起來之后，調用ItemLoader.load_item()方法對結果進行解析并保存到一個item中，然后返回這個item；

def parse_analyse(self, response):
        # 構建loader
        xkd_itemload = MyItemLoader(item=XkdDribbbleSpiderItem(), response=response)
        image_url = response.meta.get('a_image_url')
        # 通過loader定位元素和解析元素
        xkd_itemload.add_css('title', "[role='article'] header h2")
        # 注意這里傳遞的是一個列表
        xkd_itemload.add_value('image_url', [image_url])
        xkd_itemload.add_value('url', response.url)
        xkd_itemload.add_value('url_id', get_md5(response.url))
        xkd_itemload.add_css('date', 'p span.date::text')
        # 解析元素之后返回item
        xkd_item = xkd_itemload.load_item()
        # 將item返回
        yield xkd_item

3.修改item數據模型

• 修改item數據模型，需要導入from scrapy.loader.processors import MapCompose，可以在scrapy.Field中加入處理函數。MapCompose是一種處理器，由給定功能的組合構成，類似于Compose處理器，與此處理器的不同之處在于內部結果在函數之間傳遞的方式；

• Scrapy還給我們提供了一個scrapy.loader.processors.TakeFirst()方法，用于返回第一個非空值（相當于extract_first()方法），常用于單值字段的輸出處器，無參數；

from scrapy.loader.processors import TakeFirst, MapCompose
from datetime import datetime
def str_to_date(str_date):
    str_date = str_date.strip()
    date = datetime.strptime(str_date, '%b %d, %Y').date()
    return date.strftime('%Y-%m-%d')
class XkdDribbbleSpiderItem(scrapy.Item):
    title = scrapy.Field()
    image_url = scrapy.Field(
        output_processor = MapCompose(lambda value: value)
    )
    date = scrapy.Field(
        input_processor = MapCompose(str_to_date)
    )
    image_path = scrapy.Field()
    url = scrapy.Field()
    url_id = scrapy.Field()

看完上述內容，你們對如何引入ItemLoader和Item預處理函數有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。