scrapy из вывода скрипта в json

Я scrapy в скрипте python

def setup_crawler(domain):
    dispatcher.connect(stop_reactor, signal=signals.spider_closed)
    spider = ArgosSpider(domain=domain)
    settings = get_project_settings()
    crawler = Crawler(settings)
    crawler.configure()
    crawler.crawl(spider)
    crawler.start()
    reactor.run()

он работает успешно и останавливается, но где результат ? Я хочу результат в формате json, как я могу это сделать?

result = responseInJSON

как мы это делаем с помощью команды

scrapy crawl argos -o result.json -t json
15
json python scrapy scrapy-spider web-scraping

3 ответов

необходимо указать FEED_FORMAT и FEED_URI настройки вручную:

settings.overrides['FEED_FORMAT'] = 'json'
settings.overrides['FEED_URI'] = 'result.json'

если вы хотите получить результаты в переменную можно определить Pipeline класс, который будет собирать предметы в список. Используйте spider_closed обработчик сигнала, чтобы увидеть результаты:

import json

from twisted.internet import reactor
from scrapy.crawler import Crawler
from scrapy import log, signals
from scrapy.utils.project import get_project_settings


class MyPipeline(object):
    def process_item(self, item, spider):
        results.append(dict(item))

results = []
def spider_closed(spider):
    print results

# set up spider    
spider = TestSpider(domain='mydomain.org')

# set up settings
settings = get_project_settings()
settings.overrides['ITEM_PIPELINES'] = {'__main__.MyPipeline': 1}

# set up crawler
crawler = Crawler(settings)
crawler.signals.connect(spider_closed, signal=signals.spider_closed)
crawler.configure()
crawler.crawl(spider)

# start crawling
crawler.start()
log.start()
reactor.run()

кстати, посмотри как Scrapy анализирует аргументы командной строки.

Смотрите также: захват stdout в рамках того же процесса в Питон.

21

мне удалось заставить его работать, просто добавив FEED_FORMAT и FEED_URI до CrawlerProcess конструктор, используя основной код учебника API Scrapy следующим образом:

process = CrawlerProcess({
'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
'FEED_FORMAT': 'json',
'FEED_URI': 'result.json'
})
9

легко!

from scrapy import cmdline

cmdline.execute("scrapy crawl argos -o result.json -t json".split())

поместите этот скрипт туда, куда вы положили scrapy.cfg

4