1.引入ItemLoader
- 在項目的item.py文件中創(chuàng)建一個自定義的loader類，然后讓這個自定義類繼承ItemLoader類；
class XkdItemLoader(ItemLoader):
default_output_processor = TakeFirst()
ItemLoader類的語法：
scrapy.loader.ItemLoader（[ item，selector，response，] ** kwargs ），它可以接收一個 Item 實例來指定要加載的 Item，然后指定 r來確定要解析的內(nèi)容esponse 或者 selector； ItemLoader 實例還提供很多方法，如提供add_css()方法和add_xpath()方法來通過 css 和xpath 解析賦值，或使用add_value()方法來單獨進(jìn)行賦值等。更多其他的用法大家可以查看：https://doc.scrapy.org/en/latest/topics/loaders.html
2.修改spider，讓itemloader完成素定位和元素解析
- 首先重寫spider中的parse_analyse方法，導(dǎo)入自定義的loader類，然后需要實例化這個loader類，將參數(shù)item和response傳遞到loader類中。 然后可以使用add_css()、add_xpath()、add_value()方法來提取和收集數(shù)據(jù)保存到loader類實例化對象中； 最后當(dāng)所有數(shù)據(jù)被收集起來之后，調(diào)用
ItemLoader.load_item()方法對結(jié)果進(jìn)行解析并保存到一個item中，然后返回這個item；
def parse_analyse(self, response):
# 構(gòu)建loader
xkd_itemload = MyItemLoader(item=XkdDribbbleSpiderItem(), response=response)
image_url = response.meta.get('a_image_url')
# 通過loader定位元素和解析元素
xkd_itemload.add_css('title', "[role='article'] header h1")
# 注意這里傳遞的是一個列表
xkd_itemload.add_value('image_url', [image_url])
xkd_itemload.add_value('url', response.url)
xkd_itemload.add_value('url_id', get_md5(response.url))
xkd_itemload.add_css('date', 'p span.date::text')
# 解析元素之后返回item
xkd_item = xkd_itemload.load_item()
# 將item返回
yield xkd_item
3.修改item數(shù)據(jù)模型
修改item數(shù)據(jù)模型，需要導(dǎo)入
from scrapy.loader.processors import MapCompose，可以在scrapy.Field中加入處理函數(shù)。MapCompose是一種處理器，由給定功能的組合構(gòu)成，類似于Compose處理器，與此處理器的不同之處在于內(nèi)部結(jié)果在函數(shù)之間傳遞的方式；Scrapy還給我們提供了一個
scrapy.loader.processors.TakeFirst()方法，用于返回第一個非空值（相當(dāng)于extract_first()方法），常用于單值字段的輸出處器，無參數(shù)；
from scrapy.loader.processors import TakeFirst, MapCompose
from datetime import datetime
def str_to_date(str_date):
str_date = str_date.strip()
date = datetime.strptime(str_date, '%b %d, %Y').date()
return date.strftime('%Y-%m-%d')
class XkdDribbbleSpiderItem(scrapy.Item):
title = scrapy.Field()
image_url = scrapy.Field(
output_processor = MapCompose(lambda value: value)
)
date = scrapy.Field(
input_processor = MapCompose(str_to_date)
)
image_path = scrapy.Field()
url = scrapy.Field()
url_id = scrapy.Field()
