- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
Scrapy 有几个允许处理抓取数据的点/位置:spider、items 和 spider middlewares。但我不明白我应该在哪里做对。我可以在所有这些地方处理一些抓取的数据。您能详细解释一下它们之间的区别吗?
例如:下载器中间件向蜘蛛返回一些数据(数字、短字符串、url、大量 HTML、列表等)。我应该用它们做什么、在哪里?我知道要做什么,但不清楚在哪里做......
最佳答案
Spiders是定义如何提取数据的要点,如 items 。如有疑问,请仅在蜘蛛中实现提取逻辑,而忘记其他 Scrapy 功能。
Item loaders , item pipelines , downloader middlewares , spider middlewares和 extensions主要用于在具有多个蜘蛛的抓取项目中共享代码。
如果您发现自己在两个或多个蜘蛛中重复相同的代码,并且您决定停止重复自己,那么您应该进入这些组件并选择使用哪些组件来简化您的代码库,将现有的重复代码移动到这些类型的一个或多个组件。
这通常是比简单地在 Spider 子类之间使用类继承更好的方法。
关于各个组件的使用方法:
Item loaders用于共享提取逻辑(例如 XPath 和 CSS 选择器、正则表达式)以及字段值的预处理和后处理。
例如:
如果您正在为使用某种标准方法来标记要提取的数据的网站编写蜘蛛程序,例如 schema.org ,您可以在项目加载器上编写提取逻辑并在蜘蛛之间重用它。
如果您想将项目字段的值始终切换为大写,您可以在项目加载器类上使用输出处理器,并在蜘蛛之间重用该项目加载器。
Item pipelines用于项目的后处理(不仅仅是特定项目中的项目数据)。
常见用例包括删除重复项目(通过跟踪解析的每个项目的唯一标识数据)或将项目发送到数据库服务器或其他形式的存储(作为 feed exports 的灵活替代方案)。
Downloader middlewares用于有关处理响应请求的共享逻辑。
常见用例包括实现反机器人软件检测和处理或代理处理。 (built-in downloader middlewares)
Spider middlewares用于蜘蛛之间的任何其他共享逻辑。它是最接近蜘蛛基类的。它可以处理来自蜘蛛的异常、初始请求等。( built-in spider middlewares )
Extensions用于对 Scrapy 本身进行更一般的更改。 (built-in extensions)
关于python - Scrapy 应该在哪个文件/位置处理数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54421455/
我正在尝试获取从过去的 startposition/location 到当前移动的 currentposition/location 的距离(以米为单位)。 我确实有工作正常的currentposit
所以我有一堆绝对覆盖的 div。用户通过在叠加层上拖动来创建方形 div。如果您要创建一个 div,然后放大和缩小,div 会保持在同一位置,因为它对叠加层是绝对的,如前所述。 然而问题就出在这里。您
我想找到 View 在显示屏幕上的位置。 为此,我使用了 view.getLeft() 、view.getBottom() 、view.getRight() 等方法> , view.getTop()。
我有一个看起来像这样的 View 层次结构(基于其他答案和 Apple 的使用 UIScrollView 的高级 AutoLayout 指南): ScrollView 所需的2 个步骤是: 为 Scr
所以我有一个名为 MARKS 的表,我有这些列 STUDENT_ID, CLASSFORM_NAME, ACADEMIC_YEAR, TERM, SUBJECT_NAME, TOTAL_MARKS
我有一个问题我无法理解,请帮助: 我开发了带有图像的 html 页面,并使用 jQuery UI 帮助使它们可拖动,我将这些图像位置设置为相对位置并给出了左侧和顶部像素,这是页面的链接 http://
我正在尝试创建一个 CSS 动画,它在 sprite 表中循环播放 16 个图像,给人一种幽灵“漂浮”的错觉。动画通过在 background-position 位置之间移动以显示不同状态的幽灵来实现
我正在创建这个网站的 WebView https://nearxt.com/打开时询问位置但是当我使用此链接在 flutter 中创建 webview 时那么它就无法定位我还在应用程序中定义了位置,但
我正在以编程方式创建一个需要跨越 2 个屏幕的窗口。正在创建的窗口的大小是正确的,但窗口大约从第一个屏幕的一半开始。我可以将它拖回第一个屏幕的开头,NSWindow 非常适合。 我只需要知道在窗口的起
位置“/”的匹配叶路由没有元素。这意味着默认情况下它将呈现一个空值,从而导致一个“空”页面 //App.js File import { BrowserRouter as Router, Routes
我有一个运行 Ubuntu 和 Apache 的 VPS 例如,假设地址是:5.5.5.5 在 VPS 上,我有一个名为 eggdrop 的用户(除了我的 root 用户)。 用户 eggdrop 有
我有一个 JLabel与 ImageIcon ,我使用 setIcon() JLabel中的函数. ImageIcon然后上来,坐在我的JLabel 的文字左侧.是否有可能拥有 ImageIcon在文
我的图中有节点,它们的 xlabels 位于它们的左上方。我怎样才能改变这个位置?我希望 xlabels 正好位于节点本身的旁边。 最佳答案 xlp是你想要的属性,但它没有做任何事情。 你不能改变位置
我对基本的 VIM 功能有疑问:(我尝试谷歌搜索但找不到答案) 如何列出所有自定义功能。(我做了 :function 并且不能找到我的自定义函数) 如何获得自定义函数列表中的函数(或它们的存储位置)。
我是 PHP 的新手,虽然我一直在搜索,但我不知道该怎么做。 我知道可以使用 Location("some page") 进行重定向。我还读到,只要没有向用户显示任何内容,它就可以工作。 我想做的是:
如果在 jgrowl.css 中位置更改为“center”,我如何将其覆盖为默认值,即“top-right” $.jGrowl(data, { header: 'data', an
我需要根据用户是否滑动屏幕顶部、屏幕中间或屏幕底部来触发不同的事件。我正在尝试找出最好/最简单的方法来做到这一点,因为我很确定没有办法从 UISwipeGestureRecognizer 获取位置。
我需要枚举用delphi编写的外部应用程序中使用的类 ,因此我需要访问VMT表以获取该信息,但是我找不到任何有关如何在exe(由delphi生成)文件中找到VMT(虚拟方法表)的位置(地址)的文档。
在 D2010 (unicode) 中是否有像 Pos 这样不区分大小写的类似函数? 我知道我可以使用 Pos(AnsiUpperCase(FindString), AnsiUpperCase(Sou
我正在尝试为我的reveal.js 演示文稿制作一个标题,该标题会粘贴在屏幕顶部。标题中的内容在每张幻灯片的基础上都是动态的,因此我必须将标记放在 section 标记中。 显然,如果标记在 sect
我是一名优秀的程序员,十分优秀!