pyspider 使用结果

2023-02-16 16:06 更新

使用结果

从WebUI下载和查看数据很方便,但可能不适合计算机。

使用ResultDB

虽然resultdb仅用于结果预览,但不适合大规模存储。但是如果你想从resultdb中获取数据,有一些使用数据库API的简单片段可以帮助你连接和选择数据。

```
from pyspider.database import connect_database
resultdb = connect_database("<your resutldb connection url>")
for project in resultdb.projects:
    for result in resultdb.select(project):
        assert result['taskid']
        assert result['url']
        assert result['result']
```

这result['result']是return您的脚本中的语句提交的对象。

使用ResultWorker

在产品环境中,您可能希望将pyspider连接到系统/后处理管道,而不是将其存储到resultdb中。强烈建议覆盖ResultWorker。

```
from pyspider.result import ResultWorker

class MyResultWorker(ResultWorker):
    def on_result(self, task, result):
        assert task['taskid']
        assert task['project']
        assert task['url']
        assert result
        # your processing code goes here
```

result是return脚本中语句提交的对象。

您可以将此脚本(例如my_result_worker.py)放在启动pyspider的文件夹中。为result_worker子命令添加参数:

```
pyspider result_worker --result-cls=my_result_worker.MyResultWorker
```

要么

```
{
  ...
  "result_worker": {
    "result_cls": "my_result_worker.MyResultWorker"
  }
  ...
}
```

如果您使用配置文件。请参阅部署

设计自己的数据库架构

存储在数据库中的结果被编码为JSON以实现兼容性。强烈建议您设计自己的数据库,并覆盖上述ResultWorker。

关于结果的提示

想要在回调中返回多个结果?

由于resultdb通过taskid(url)重复删除结果,最新的将覆盖以前的结果。

一种解决方法是使用send_messageAPI fake为每个结果创建一个taskid。

```
def detail_page(self, response):
    for li in response.doc('li').items():
        self.send_message(self.project_name, {
            ...
        }, url=response.url+"#"+li('a.product-sku').text())

def on_message(self, project, msg):
    return msg
```

另请参见:apis / self.send_message


以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号