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"} ]
