如何從Scrapy生成自定義JSON輸出？

Question

我正在開發一個Scrapy腳本，它應該使輸出如下：

{
  "state": "FL",
  "date": "2017-11-03T14:52:26.007Z",
  "games": [
    {
      "name":"Game1"
    },
    {
      "name":"Game2"
    }
  ]
}

但是對我來說，當我運行scrapy crawl items -o data.json -t json時，它的生成如下。 state的重復

[
{"state": "CA", "games": [], "crawlDate": "2014-10-04"},
{"state": "CA", "games": [], "crawlDate": "2014-10-04"},
]

代碼如下：

進口沙皮

items.py

class Item(scrapy.Item):
 state = scrapy.Field()
 games = scrapy.Field()

在Spider文件中， item類稱為：

item = Item()
item['state'] = state
item['Date'] = '2014-10-04'
item['games'] = games

我知道這不是完整的代碼，但是應該給出我的想法。

Answer 1

參考 https://stackoverflow.com/a/43698923/8964297

您可以嘗試這樣編寫自己的管道：

將其放入您的pipelines.py文件中：

import json


class JsonWriterPipeline(object):
    def open_spider(self, spider):
        self.file = open('scraped_items.json', 'w')
        # Your scraped items will be saved in the file 'scraped_items.json'.
        # You can change the filename to whatever you want.
        self.file.write("[")

    def close_spider(self, spider):
        self.file.write("]")
        self.file.close()

    def process_item(self, item, spider):
        line = json.dumps(
            dict(item),
            indent = 4,
            sort_keys = True,
            separators = (',', ': ')
        ) + ",\n"
        self.file.write(line)
        return item

然后修改您的settings.py以包括以下內容：

ITEM_PIPELINES = {
    'YourSpiderName.pipelines.JsonWriterPipeline': 300,
}

將YourSpiderName更改為您的蜘蛛的正確名稱。

請注意，文件是由管道直接寫入的，因此您不必使用-o和-t命令行參數來指定文件和格式。

希望這能使您更接近所需。