[Python知识库]ECommerceCrawlers项目分析（五）

2021SC@SDUSC

这篇博客将讲述Item Pipeline的使用

一.什么是Item Pipeline

当Item在Spider中被收集之后，它将会被传递到Item Pipeline，一些组件会按照一定的顺序执行对Item的处理。

每个item pipeline组件(有时称之为“Item Pipeline”)是实现了简单方法的Python类。他们接收到Item并通过它执行一些行为，同时也决定此Item是否继续通过pipeline，或是被丢弃而不再进行处理。

每个item pipiline组件是一个独立的Python类，同时必须实现下面的方法:

process_item(self,?item,?spider)

每个item pipeline组件都需要调用该方法，这个方法必须返回一个具有数据的dict，或是?Item?(或任何继承类)对象， 或是抛出?DropItem?异常，被丢弃的item将不会被之后的pipeline组件所处理。

它的参数：

• item?(Item?对象或者一个dict) – 被爬取的item
• spider?(Spider?对象) – 爬取该item的spider

二.启用一个Item Pipeline组件

为了启用一个Item Pipeline组件，你必须将它的类添加到?ITEM_PIPELINES?配置，比如：

ITEM_PIPELINES = {
    'myproject.pipelines.PricePipeline': 300,
    'myproject.pipelines.JsonWriterPipeline': 800,
}

分配给每个类的整型值，确定了他们运行的顺序，item按数字从低到高的顺序，通过pipeline，通常将这些数字定义在0-1000范围内。