三、Item

野性酷女 2022-05-18 04:37 194阅读 0赞

# Items #

爬取的主要目标就是从非结构性的数据源提取结构性数据，例如网页。 Scrapy提供 `Item` 类来满足这样的需求。

`Item` 对象是种简单的容器，保存了爬取到得数据。 其提供了 [类似于词典(dictionary-like)][dictionary-like] 的API以及用于声明可用字段的简单语法。

## 声明Item ##

Item使用简单的class定义语法以及 `Field` 对象来声明。例如:

import scrapy
    
    class Product(scrapy.Item):
        name = scrapy.Field()
        price = scrapy.Field()
        stock = scrapy.Field()
        last_updated = scrapy.Field(serializer=str)

注解

熟悉 [Django][] 的朋友一定会注意到Scrapy Item定义方式与 [Django Models][] 很类似, 不过没有那么多不同的字段类型(Field type)，更为简单。

## Item字段(Item Fields) ##

`Field` 对象指明了每个字段的元数据(metadata)。例如下面例子中 `last_updated` 中指明了该字段的序列化函数。

您可以为每个字段指明任何类型的元数据。 `Field` 对象对接受的值没有任何限制。也正是因为这个原因，文档也无法提供所有可用的元数据的键(key)参考列表。 `Field` 对象中保存的每个键可以由多个组件使用，并且只有这些组件知道这个键的存在。您可以根据自己的需求，定义使用其他的 `Field` 键。 设置 `Field` 对象的主要目的就是在一个地方定义好所有的元数据。 一般来说，那些依赖某个字段的组件肯定使用了特定的键(key)。您必须查看组件相关的文档，查看其用了哪些元数据键(metadata key)。

需要注意的是，用来声明item的 `Field` 对象并没有被赋值为class的属性。 不过您可以通过 `Item.fields` 属性进行访问。

以上就是所有您需要知道的如何声明item的内容了。

## 与Item配合 ##

接下来以 下边声明 的 `Product` item来演示一些item的操作。您会发现API和 [dict API][dictionary-like] 非常相似。

### 创建item ###

>>> product = Product(name='Desktop PC', price=1000)
    >>> print product
    Product(name='Desktop PC', price=1000)

### 获取字段的值 ###

>>> 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

### 设置字段的值 ###

>>> product['last_updated'] = 'today'
    >>> product['last_updated']
    today
    
    >>> product['lala'] = 'test' # setting unknown field
    Traceback (most recent call last):
        ...
    KeyError: 'Product does not support field: lala'

### 获取所有获取到的值 ###

您可以使用 [dict API][dictionary-like] 来获取所有的值:

>>> product.keys()
    ['price', 'name']
    
    >>> product.items()
    [('price', 1000), ('name', 'Desktop PC')]

### 其他任务 ###

复制item:

>>> product2 = Product(product)
    >>> print product2
    Product(name='Desktop PC', price=1000)
    
    >>> product3 = product2.copy()
    >>> print product3
    Product(name='Desktop PC', price=1000)

根据item创建字典(dict):

>>> dict(product) # create a dict from all populated values
    {'price': 1000, 'name': 'Desktop PC'}

根据字典(dict)创建item:

>>> 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'

## 扩展Item ##

您可以通过继承原始的Item来扩展item(添加更多的字段或者修改某些字段的元数据)。

例如:

class DiscountedProduct(Product):
        discount_percent = scrapy.Field(serializer=str)
        discount_expiration_date = scrapy.Field()

您也可以通过使用原字段的元数据,添加新的值或修改原来的值来扩展字段的元数据:

class SpecificProduct(Product):
        name = scrapy.Field(Product.fields['name'], serializer=my_serializer)

这段代码在保留所有原来的元数据值的情况下添加(或者覆盖)了 `name` 字段的 `serializer` 。

## Item对象 ##

*class* `scrapy.item.``Item`(\[*arg*\])¶

返回一个根据给定的参数可选初始化的item。

Item复制了标准的 [dict API][dictionary-like] 。包括初始化函数也相同。Item唯一额外添加的属性是:

`fields`¶

一个包含了item所有声明的字段的字典，而不仅仅是获取到的字段。该字典的key是字段(field)的名字，值是 Item声明 中使用到的 `Field` 对象。

## 字段(Field)对象 ##

*class* `scrapy.item.``Field`(\[*arg*\])

`Field` 仅仅是内置的 [dict][dictionary-like] 类的一个别名，并没有提供额外的方法或者属性。换句话说， `Field` 对象完完全全就是Python字典(dict)。被用来基于类属性(class attribute)的方法来支持 item声明语法 。

[dictionary-like]: http://docs.python.org/library/stdtypes.html#dict
[Django]: http://www.djangoproject.com/
[Django Models]: http://docs.djangoproject.com/en/dev/topics/db/models/