python - 使用scrapy导出多种格式的抓取数据

Question

我正在抓取网站以将数据导出为语义格式 (n3)。但是，我还想对该数据进行一些数据分析，因此以 csv 格式更方便。

要获取两种格式的数据我可以做到

scrapy spider -t n3 -o data.n3
scrapy spider -t csv -o data.csv

但是，这会将数据抓取两次，而且我无法承受大量数据。

有没有办法将相同的抓取数据导出为多种格式？(无需多次下载数据)

我发现有一个可以导出为不同格式的抓取数据的中间表示很有趣。但似乎没有办法用 scrapy 做到这一点。

Answer 1

根据我在浏览源代码和文档后的理解，-t option refers to the FEED_FORMAT setting不能有多个值。此外，FeedExporter 内置扩展 ( source ) 仅适用于单个导出器。

实际上，考虑在 Scrapy Issue Tracker 处提出一个功能请求 .

更像是一种解决方法，定义一个管道并开始使用多个导出器进行导出。例如，这里是如何导出为 CSV 和 JSON 格式:

from collections import defaultdict

from scrapy import signals
from scrapy.exporters import JsonItemExporter, CsvItemExporter


class MyExportPipeline(object):
    def __init__(self):
        self.files = defaultdict(list)

     @classmethod
     def from_crawler(cls, crawler):
         pipeline = cls()
         crawler.signals.connect(pipeline.spider_opened, signals.spider_opened)
         crawler.signals.connect(pipeline.spider_closed, signals.spider_closed)
         return pipeline

    def spider_opened(self, spider):
        csv_file = open('%s_products.csv' % spider.name, 'w+b')
        json_file = open('%s_products.json' % spider.name, 'w+b')

        self.files[spider].append(csv_file)
        self.files[spider].append(json_file)

        self.exporters = [
            JsonItemExporter(json_file),
            CsvItemExporter(csv_file)
        ]

        for exporter in self.exporters:
            exporter.start_exporting()

    def spider_closed(self, spider):
        for exporter in self.exporters:
            exporter.finish_exporting()

        files = self.files.pop(spider)
        for file in files:
            file.close()

    def process_item(self, item, spider):
        for exporter in self.exporters:
            exporter.export_item(item)
        return item