Scrapy与MongoDB交互

Pipeline.py

class MongoDBPipeline:
    def __init__(self,conn,database):
        self.conn = conn
        self.database = database


    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            conn=crawler.settings.get('MONGODB_CONNECTION_STRING'),
            database=crawler.settings.get('MONGODB_DATABASE')
        )

    def open_spider(self,spider):
        # 创建连接对象
        self.client = pymongo.MongoClient(self.conn)

        # 连接要用的使用的数据库
        self.db = self.client[self.database]


    def process_item(self,item,spider):
        # 设置使用表名称
        name = item.__class__.__name__
        # 默认item类名
        self.db[name].insert_one(dict(item))

        return item

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

PS:

1. 不能用insert来插入数据，PyMongo 4.0.* 中 Collection.insert 方法被移除，使用 Collection.insert_one 或者 Collection.insert_many 替代：

   db[name].insert_one({'my': 'document'})
   db[name].insert_many([{'doc': 2}, {'doc': 3}])

2. process_item一定要写return item，不然接收不了返回值。
3. open_spider, process_item, close_spider的名称和参数不能改变，因为这是重写类方法。

setting.py

MONGODB_CONNECTION_STRING = '127.0.0.1'
MONGODB_DATABASE = 'test'

补充知识点：类方法@classmethod

类方法也算一种实用的技巧，简单描述之：“类方法让类模板具有记忆力”。

类模板就是我们所定义的类。在普通情况下，不使用类方法对类进行实例化，类本身是不具有记忆性的。只是当一个静态模板被套用多次而已。如果我们想让类在每一次实例化之后，都能记载一些记忆，是否会对很多操作很有用？

举个例子：

class Man:
    id = 0 # 类变量
    def __init__(self, name):
        self.name = name
        self.id = self.id_number()
 
    @classmethod
    def id_number(cls):
        cls.id += 1
        return cls.id
 
a = Man('A')
print(a.id)
b = Man('B')
print(b.id)

上面的输出为:

1
2

我对Man这个类进行实例化2次，每个实例的id都不一样。这就依靠类方法来实现了：首先，用@classmethod描述类方法，然后用"cls"代表本类。类方法对类属性进行的处理是有记忆性的。

PS：类方法处理的变量一定要是类变量。因为在类方法里你用不了self来寻址实例变量，所以需要把类变量放到最前面描述，如上面的"id=0"所示。类变量是可以被self访问的，所以，在类变量定义好了以后，不需要在_init_函数里对类变量再一次描述。所以，上面代码里self.id不一定需要。