从数据库 scrapy 检索数据

Question

在 scrapy 中，我试图从数据库中检索数据，这些数据被蜘蛛抓取并添加到 pipelines.py 中的数据库中。 我希望这些数据在另一个蜘蛛中使用。 具体来说，我想从数据库中检索链接并在 start_request function中使用它。我知道这个问题在这里也有解释不知道为什么，但我知道我在某个地方犯了错误。

piplines.py
import sqlite3

class HeurekaScraperPipeline:

    def __init__(self):
        self.create_connection()
        self.create_table()

    def create_connection(self):
        self.conn = sqlite3.connect('shops.db')
        self.curr = self.conn.cursor()

    def create_table(self):
        self.curr.execute("""DROP TABLE IF EXISTS shops_tb""")
        self.curr.execute("""create table shops_tb(
                        product_name text, 
                        shop_name text, 
                        price text, 
                        link text
                        )""")

    def process_item(self, item, spider):
        self.store_db(item)
        return item

    def store_db(self, item):
        self.curr.execute("""insert into shops_tb values (?, ?, ?, ?)""",(
            item['product_name'],
            item['shop_name'],
            item['price'],
            item['link'],
        ))

        self.conn.commit()

spider
class Shops_spider(scrapy.Spider):
    name = 'shops_scraper'
    custom_settings = {'DOWNLOAD_DELAY': 1}
    def start_requests(self):
        db_cursor = HeurekaScraperPipeline().curr
        db_cursor.execute("SELECT * FROM shops_tb")

        links = db_cursor.fetchall()
        for link in links:
            url = link[3]
            print(url)
            yield scrapy.Request(url=url, callback=self.parse)
    def parse(self, response):
        url = response.request.url
        print('********************************'+url+'************************')

提前感谢您的帮助。

Answer 1

管道用于处理项目。 如果您想从数据库中读取某些内容，请打开连接并在start_request中读取它。 根据文档：

一个项目被蜘蛛抓取后，它被发送到项目管道，该管道通过几个按顺序执行的组件来处理它。

为什么不在 start_request 中打开 DB 连接？

def start_requests(self):
        self.conn = sqlite3.connect('shops.db')
        self.curr = self.conn.cursor()
        self.curr.execute("SELECT * FROM shops_tb")
        links = self.curr.fetchall()
        # rest of the code