python-scrapy(2)

项目名称为ITcast

   当执行爬虫的yield item时 就会调用图二中的管道文件(不过需要在setting.py中配置，ITEM_PIPELINES这一行中配置，在这个字典中所包含的管道才可以被调用，同理可以在里面加上自定义管道，比如数据库管道什么的，并且后面的数字是优先级，0-1000之间，值越小优先级越高)每个item都会执行这些管道

图二中:

第一个函数:初始化

第二个函数:因为返回的内容存在中文，所以将item返回的数据进行转换，然后写入文件，再返回item告诉引擎已经处理完毕

第三个函数:在关闭的时候关闭文件

一般在新建目录里去执行

这是爬虫主要内容，解释都已经已备注形式写上去了，还有一点是下面输出的name[0]是因为xpath对象是一个列表，用[0]才可以，还有就是xpath("./h3/test()")之前的那个点是指从当前节点，不加的话会变成根节点

但这是并没有用到item字段，那么怎么去交互呢

item部分

定义item部分是定义item字典的键，有了键才会有下图加入的值

然后可以scrapy crawl itcast -o itcast.json 输出成为json文件，不过都是unicode字符串，到时候扔到网站解码即可

当然不仅仅是.json格式，还可以输出.csv  .jsonl   .xml等四种文件格式

这里的item因为是列表，但返回给引擎时引擎无法识别，所以只能用-o来处理

有时输出文件并不是我们所需要的，如果我们想存入数据库应该怎么办，那么就需要管道了

在start_urls里面可以加更多的网址，这些网址用多线程执行，

爬虫启动的时候，找到start_urls里面的内容，提取url，封装成请求，交给引擎，引擎交给调度器入队列，去重处理之后再交给下载器下载，下载器返回的响应文件交给parse方法处理，在parse方法里根据xpath返回的节点，迭代每个节点，我们将每个xpath对象extract后，放到我们定义好的item字段里，再把item字段放到列表里