ItemLoader的简单使用：目的是解决在爬虫文件中代码结构杂乱，无序，可读性差的缺点

经过之前的基础，我们可以爬取一些不用登录，没有Ajax的，等等其他的简单的爬虫
回顾我们的代码，是不是有点冗长，将所需字段通过xpath或者css解析出来，再自定义语句(还不是函数中)
进行清洗;然后再装入Item中，有没有这样一种方法：从Item中可以直接清洗岂不是很简单
今天就学习 ItemLoader这样一种对戏，简单代码，可读增强

思路：

1,创建一个ItemLoad对象

    2,通过该对象的add_css或者add_xpath或者add_value方法将解析语句装入ItemLoader
   3,在Item.py中在Filder()中调用函数，用来清洗，处理数据
   4,artical_item = item_loader.load_item() 调用这个对象的此方法，写入到Item中

具体代码：

在爬虫文件中：

 1 #先引入 2 from ArticalSpider.items import JobboleArticalItem,ArticalItemLoader 3         #使用Itemloader来简化这个解析，装入Item这个过程，使得代码量减少 4         #先创建一个itemLoader()这样一个对象,不需解析list第一个等问题 5         #这里的ArticalItemLoader是继承了itemloader,并重写了部分功能，实现定制 6         item_loader = ArticalItemLoader(item=JobboleArticalItem(), response=response) 7         #使用ItemLoader这个对象的xpath解析器 8         item_loader.add_xpath("title",‘/html//div[@class="entry-header"]/h1/text()‘) 9         #使用get_value()直接从response中选取内容10         item_loader.add_value("url_object_id",get_md5(response.url))11         item_loader.add_xpath("add_time", ‘/html//p[@class="entry-meta-hide-on-mobile"]/text()‘)12         item_loader.add_value("url", response.url)13         item_loader.add_value("front_image_url", [front_image_url])14         item_loader.add_value("front_image_url2",front_image_url)15         item_loader.add_xpath("tags",‘/html//p[@class="entry-meta-hide-on-mobile"]/a/text()‘)16         item_loader.add_xpath("comment_num",‘//span[@class="btn-bluet-bigger href-style hide-on-480"]/text()‘)17         item_loader.add_xpath("fav_num",‘//span[contains(@class,"bookmark-btn")]/text()‘)18         item_loader.add_xpath("like_num",‘//span[contains(@class,"vote-post-up")]/h10/text()‘)19         item_loader.add_xpath("content",‘//div[@class="entry"]‘)20         #装入Item21         artical_item = item_loader.load_item()22 23         yield artical_item

在Item.py中

 1 #继承ItemLoader这个方法，并自定义自己的方法(属性) 2 class ArticalItemLoader(ItemLoader): 3     #实现之前的extract_first()方法 4     #这里只是重载这个属性，设置为只选取第一个值 5     default_output_processor = TakeFirst() 6  7 #以下将之前的各种清洗语句整合到函数中 8 def add_title_jobbole(value): 9     return value+"---jobbole"10 11 def get_time(value):12     #这个好像更改不了13     try:14         add_time = datetime.datetime.strptime(value,"%Y/%m/%d").data()15     except Exception as e:16         print(e)17         add_time = datetime.datetime.now().date()18     return add_time19 20 def get_tags(value):21     tag_list = [x for x in value if not str(x).strip().endswith("评论") ]22 23     return tag_list24 def get_comment_num(value):25     re_comment = re.match(".*(\d+).*",value)26     if re_comment:27         comment_num = int(re_comment.group(1))28     else:29         comment_num = 030     return comment_num31 def get_fav_num(value):32     re_fav_num = re.match(".*(\d+).*",value)33     if re_fav_num:34         fav_num =  int(re_fav_num.group(1))35     else:36         fav_num = 037     return fav_num38 #小技巧：在出IteaLoad时,将之前进入的类型按原先的返回，怎么进入怎么返回39 def get_value(value):40     return value41 class JobboleArticalItem(scrapy.Item):42     title = scrapy.Field(43     #调用方法，为传进的数据字段进行清洗，调用外部的方法44         #input_processor 方法是将进入的数据进行调用函数清洗45         #MapCompose 调用函数名46         input_processor = MapCompose(add_title_jobbole)47     )48     add_time = scrapy.Field(49         input_processor = MapCompose(get_time),50         #只获取传入Item的这个列表中的第一个值作为Item的值51         #但是要是字段太多，都得写下面这个语句，岂不麻烦，所以可以继承ItemLoader这个类，完成自己类52         #TakeFirsr()就是 extrct_first()53         output_processor = TakeFirst()54     )55     url = scrapy.Field()56     content = scrapy.Field()57     #不同url长度不同，通过md5统一长度58     url_object_id = scrapy.Field()59 60     front_image_url = scrapy.Field(61         #自定义的类之后，所有的Item都默认了list的第一个值，但传入下载图片的管道时会报错，因为下载图片的Item为list62         #出去ItemLoader时处理数据的方法63         output_processor = MapCompose(get_value)64     )65     front_image_url2 = scrapy.Field()66     #url本地存放路径67     front_image_path = scrapy.Field()68 69     tags = scrapy.Field(70         input_processor = MapCompose(get_tags),71         #使用processor自带的Join拼接方法72         output_processor = Join(",")73     )74     comment_num = scrapy.Field(75         input_processor = MapCompose(get_comment_num)76     )77     fav_num = scrapy.Field(78         input_processor = MapCompose(get_fav_num)79     )80     like_num = scrapy.Field(81 82     )