Python 爬虫，scrapy，定义Item，封装提取的数据项

 

项目名/items.py（定义Item）：

# -*- coding: utf-8 -*-
import scrapy

# 定义Item，继承scrapy.Item。 scrapy.Item 类似字典类型,可以通过[]获取和设置值,但不可以动态添加未定义的属性字段。
class TencentItem(scrapy.Item):
    title = scrapy.Field()
    position = scrapy.Field()
    publish_date = scrapy.Field()

项目名/spiders/爬虫名.py（爬虫，提取数据并封装到 Item 中）：

# -*- coding: utf-8 -*-
import scrapy
from tencent.items import TencentItem  # 导入


class HrSpider(scrapy.Spider):
    name = 'hr'  # 爬虫名
    allowed_domains = ['tencent.com']
    start_urls = ['http://hr.tencent.com/position.php']

    def parse(self, response):
        tr_list = response.xpath("//table[@class='tablelist']/tr")[1:-1]
        for tr in tr_list:
            # 实例化Item对象
            item = TencentItem()
            # 如果TencentItem中没有定义title属性字段，那么此处会报错。
            item["title"] = tr.xpath("./td[1]/a/text()").extract_first()
            item["position"] = tr.xpath("./td[2]/text()").extract_first()
            item["publish_date"] = tr.xpath("./td[5]/text()").extract_first()
            # dict(item)  # 可以转换成字典类型。
            yield item