Scrapy之爬取结果导出为Excel的实现过程
作者:bladestone
这篇文章主要介绍了Scrapy之爬取结果导出为Excel的实现过程,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
引言
基于Scrapy来爬取数据只是手段,这些爬取的结果需要按照一定的方式导出或者存储到数据库中,
excel是在日常工作中使用最为广泛的工具之一,本文介绍如何来讲爬取结果存储excel文件。
环境介绍
Python 3.6.1 Scrapy 1.5.0
定义Domain对象
定义爬取数据对象的实体类:
import scrapy class EnrolldataItem(scrapy.Item): schoolName = scrapy.Field() currentBatch = scrapy.Field() totalNumberInPlan = scrapy.Field() majorName = scrapy.Field() categoryName = scrapy.Field() numberInPlan = scrapy.Field() note = scrapy.Field()
这里的Field表示其在Scrapy爬取的实体字段,无关乎类型。
定义Pipelines
from scrapy.exporters import CsvItemExporter class EnrolldataPipeline(object): def open_spider(self, spider): self.file = open("/home/bladestone/enrolldata.csv", "wb") self.exporter = CsvItemExporter(self.file, fields_to_export=["schoolName", "currentBatch", "totalNumberInPlan"]) self.exporter.start_exporting() def process_item(self, item, spider): self.exporter.export_item(item) return item def close_spider(self, spider): self.exporter.finish_exporting() self.file.close()
这里使用了scrapy自带的CsvItemExporter存储爬取的结果。
open_spider()和close_spider()两个方法都来在spider启动和结束的时候,执行一些初始化和清理工作,对于pipeline操作而言:
open_spider()
: 执行文件创建,然后初始化exporter,并启动start_exporting(),开始接收Itemclose_spider()
: 结束exporter的exporting,关闭文件流。export_item()
:用来将item保存到输出结果中。
process_item()为pipeline中定义的方法,在pipeline在settings.py中注册之后,将会被调用。
注册pipeline
在settings.py文件中注册pipeline:
ITEM_PIPELINES = { ‘enrolldata.pipelines.EnrolldataPipeline': 300, }
spider中返回item
在spider中一般通过yield的方式实现异步返回结果,此为spider中定义的响应处理方法。
具体的示例如下:
def parse_data(): item = EnrolldataItem() item['majorName'] = major_name item['categoryName'] = major_category item['numberInPlan'] = major_number item['note'] = major_note item['schoolName'] = school_name item['currentBatch'] = current_batch item['totalNumberInPlan'] = total_number yield item
执行crawler
scrapy crawl enrolldata
enrolldata为项目的名称。
总结
在Scrapy中提供了多种结果输出方式,目前支持的有: xml, json, csv, pickle等多种方式,对于数据的支持也是非常方便的,这方面的内容将在后续的内容中进行详细介绍。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。