无力吐槽的python2，对中文太不友好了，不过在早期项目中还是需要用到
没办法，还是需要解决
我编写scrapy爬虫的一般思路：
- 创建spider文件和类
- 编写parse解析函数，抓取测试，将有用信息输出到控制台
- 在数据库中创建数据表
- 编写item
- 编写model（配合pipline将item写入数据库）
- 编写pipline
- 运行爬虫项目，测试保存的数据正确性
在第2步抓取测试的时候，我并没有创建数据库（因为我感觉在数据库中创建数据表比较麻烦，考虑的因素比较多），并不能保存数据到数据库，直接输出到控制台又不能很好地看到数据的整体效果
一个解决办法就是利用scrapy提供的数据导出中间件，将抓取的数据导出到json或者scv文件中
$ scrapy crawl spider_name -o person.json
额，python2。。。我的天，抓取的数据大概是这样的
[
{"name": "\u5f20\u4e39"},
{"name": "\u77bf\u6653\u94e7"},
{"name": "\u95eb\u5927\u9e4f"},
{"name": "\u9c8d\u6d77\u660e"},
{"name": "\u9648\u53cb\u658c"},
{"name": "\u9648\u5efa\u5cf0"}
]
好吧，英文能看懂，中文反而看不懂了，简直不能忍
接下来对它做点什么
1、找到scrapy默认配置文件
# scrapy.settings.default_settings
FEED_EXPORTERS_BASE = {
'json': 'scrapy.exporters.JsonItemExporter',
'jsonlines': 'scrapy.exporters.JsonLinesItemExporter',
'jl': 'scrapy.exporters.JsonLinesItemExporter',
'csv': 'scrapy.exporters.CsvItemExporter',
'xml': 'scrapy.exporters.XmlItemExporter',
'marshal': 'scrapy.exporters.MarshalItemExporter',
'pickle': 'scrapy.exporters.PickleItemExporter',
}
2、看到json的导出类，按照路径找到这个类
# scrapy.exporters.JsonItemExporter
class JsonItemExporter(BaseItemExporter):
def __init__(self, file, **kwargs):
self._configure(kwargs, dont_fail=True)
self.file = file
self.encoder = ScrapyJSONEncoder(**kwargs)
self.first_item = True
def start_exporting(self):
self.file.write(b"[\n")
def finish_exporting(self):
self.file.write(b"\n]")
def export_item(self, item):
if self.first_item:
self.first_item = False
else:
self.file.write(b',\n')
itemdict = dict(self._get_serialized_fields(item))
self.file.write(to_bytes(self.encoder.encode(itemdict)))
看到最下面一句，写入文件，后面还对其进行了编码，我们就在这里做工作
3、改写JsonItemExporter
方法1：
import json
class MyJsonItemExporter(JsonItemExporter):
def export_item(self, item):
if self.first_item:
self.first_item = False
else:
self.file.write(b',\n')
itemdict = dict(self._get_serialized_fields(item))
self.file.write(json.dumps(itemdict, ensure_ascii=False))
继承原有的JsonItemExporter类，将最下面的写入文件代码修改即可，这种方式比较直观，也比较简单
方式2：
我们注意到JsonItemExporter中的初始化函数有一个属性
self.encoder = ScrapyJSONEncoder(**kwargs)
下面写入的时候也用到了，顺藤摸瓜，依次找到下面两个类，部分代码省略
class ScrapyJSONEncoder(json.JSONEncoder):
pass
class JSONEncoder(object):
def __init__(self, skipkeys=False, ensure_ascii=True,
check_circular=True, allow_nan=True, sort_keys=False,
indent=None, separators=None, encoding='utf-8', default=None):
这样看来，我们也可以这么改写
class MyJsonItemExporter(JsonItemExporter):
def __init__(self, file, **kwargs):
super(MyJsonItemExporter, self).__init__(
file, ensure_ascii=False, **kwargs
)
仅仅只是添加了ensure_ascii=False， 这样看起来，逼格就高了许多
4、使用MyJsonItemExporter
可以在爬虫中单独设置，也可以设置在全局settings里边
custom_settings = {
"FEED_EXPORTERS_BASE":{
"json": "MyJsonItemExporter"
}
}再次运行爬虫，这次我能看懂中文了
[
{"name": "张丹"},
{"name": "闫大鹏"},
{"name": "瞿晓铧"},
{"name": "鲍海明"},
{"name": "陈友斌"},
{"name": "陈建峰"}
]
