将scrapy提取的数据保存到mongodb数据库中的两种写法

最新推荐文章于 2024-03-17 23:02:42 发布

知识是要分享的

最新推荐文章于 2024-03-17 23:02:42 发布

阅读量1.7k

点赞数 1

分类专栏：数据库

本文链接：https://blog.youkuaiyun.com/qq_42336581/article/details/80977600

版权

数据库专栏收录该内容

8 篇文章

订阅专栏

本文介绍了两种将Scrapy爬虫获取的数据存入MongoDB的方法：一是使用官方文档中的示例代码；二是自定义pipelines并直接在代码中实现数据库操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、简单的介绍一下scrapy 官方文档自带的代码比较多但是改的地方比较少，而第二种方发代码量较少，但是改的地方较多。

1、第一种方法；官方文档法。我们可以去settings中复制文档网址进官方文档进行复制粘贴。（pipeline中只需要修改三处，）

https://doc.scrapy.org/en/latest/topics/item-pipeline.html

import pymongo

class MongoPipeline(object):

    collection_name = 'scrapy_items'  # 这里的地方是连接的数据库表的名字

    def __init__(self, mongo_uri, mongo_db):
        self.mongo_uri = mongo_uri
        self.mongo_db = mongo_db

    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),  # get中有两个参数，一个是 配置的MONGO_URL ，另一个是localhost
            mongo_db=crawler.settings.get('MONGO_DATABASE', 'items')  # 这里的两个参数,第一个是数据库配置的.第二个是它的表的数据库的名字
        )

    def open_spider(self, spider):
        self.client = pymongo.MongoClient(self.mongo_uri)
        self.db = self.client[self.mongo_db]

    def close_spider(self, spider):
        self.client.close()

    def process_item(self, item, spider):
        self.db[self.collection_name].insert_one(dict(item))
        return item

2、接下来是settings 的配置。

MONGO_URL = 'localhost'
MONGO_DATABASE = 'item'  # 数据库的名字.

二、第二种方法是自己定义的mongodb数据库

1、这里只需定义pipelines，在settings中无需配置，代码如下。

import pymongo

class JobsPipeline(object):
    def process_item(self, item, spider):
        # 参数1 {'zmmc': item['zmmc']}: 用于查询表中是否已经存在zmmc对应的documents文档。
        # 参数2 要保存或者更新的数据
        # 参数3 True: 更新(True)还是插入(False, insert_one())
        self.db['job'].update_one({'zmmc': item['zmmc']}, {'$set': dict(item)}, True)  # job为连接数据库表的名字
        return item

    def open_spider(self, spider):
        self.client = pymongo.MongoClient('localhost')
        self.db = self.client['jobs'] # jobs 为连接数据库名字

2、以上的两种的方法仅供参考。