使用sqlalchemy用orm方式写pipeline将scrapy item快速存入 MySQL

传统的使用scrapy爬下来的数据存入mysql,用的是在pipeline里用pymysql存入数据库,

这种方法需要写sql语句,如果item字段数量非常多的 情况下,编写起来会造成很大的麻烦.

我使用的python 库:sqlalchemy来编写,用orm的方式,使代码变得非常简洁,按照数据库

表的字段,编写好自己的类,在settings里面设置好pipeline即可.

# -*- coding: utf-8 -*-

# author:lihansen

from sqlalchemy import create_engine,Column,Integer,String,Table,MetaData

from sqlalchemy.ext.declarative import declarative_base

from sqlalchemy.orm import sessionmaker

class ArticleTemplate():

    id = Column(Integer, primary_key=True)#主键自增

    sourceName = Column(String(100))

    sourceUrl = Column( String(100))

    articleUrl = Column( String(100))

    articleCategory = Column( String(100))

    articleFromName = Column( String(100))

    articleFromUrl = Column( String(100))

    articleLabel = Column( String(100))

    title = Column( String(200))

    author = Column( String(100))

    publishTime = Column( String(100))

    articleContent = Column( String(10000))

    imageUrlList = Column( String(300))

    imageTitleList = Column( String(100))

    def __init__(self, **items):

        for key in items:

            if hasattr(self,key):

                setattr(self,key,items[key])

class ArticleSpidersPipeline(object):

    def __init__(self):#执行爬虫时

        self.engine = create_engine('mysql://root:0@localhost:3306/spider?charset=utf8',echo=True)#连接数据库

        self.session=sessionmaker(bind=self.engine)

        self.sess=self.session()

        Base = declarative_base()

	#动态创建orm类,必须继承Base, 这个表名是固定的,如果需要为每个爬虫创建一个表,请使用process_item中的

        self.Article = type('article_articletest',(Base,ArticleTemplate),{'__tablename__':'article_article'})

    def process_item(self,item,spider):#爬取过程中执行的函数

	#按照爬虫名动态创建一个类

        # if not hasattr(self,spider.name):

        #     self.Article = type(spider.name, (Base, ArticleTemplate), {'__tablename__': spider.name, })

        #在数据库中创建这个表

        # if spider.name not in self.engine.table_names(): #create table for this spider

        #     self.Article.metadata.create_all(self.engine)

        self.sess.add(self.Article(**item))

        self.sess.commit()

    def close_spider(self, spider):#关闭爬虫时

        self.sess.close()