我认为主要的误解是软件包路径与设置模块路径.为了从外部脚本使用Django的模型,您需要设置DJANGO_SETTINGS_MODULE
.那么,这个模块必须是importable(即,如果设置路径是myproject.settings
,那么语句from myproject import settings
应该可以在python shell中工作).
由于django中的大多数项目都是在默认PYTHONPATH
之外的路径中创建的,因此必须将项目的路径添加到PYTHONPATH
环境变量中.
下面是一个逐步的指南,可以创建一个完整的(且最小的)Django模型集成到一个Scrapy项目中:
Note:本说明自上次编辑之日起生效.如果对您不起作用,请添加 comments ,并描述您的问题和scrapy/django版本.
这些项目将在/home/rolando/projects
目录内创建.
从django project开始.
$ cd ~/projects
$ django-admin startproject myweb
$ cd myweb
$ ./manage.py startapp myapp
在myapp/models.py
中创建一个模型.
from django.db import models
class Person(models.Model):
name = models.CharField(max_length=32)
在myweb/settings.py
中将myapp
加到INSTALLED_APPS
.
# at the end of settings.py
INSTALLED_APPS += ('myapp',)
将我的数据库设置设为myweb/settings.py
.
# at the end of settings.py
DATABASES['default']['ENGINE'] = 'django.db.backends.sqlite3'
DATABASES['default']['NAME'] = '/tmp/myweb.db'
创建数据库.
$ ./manage.py syncdb --noinput
Creating tables ...
Installing custom SQL ...
Installing indexes ...
Installed 0 object(s) from 0 fixture(s)
创建scrapy project.
$ cd ~/projects
$ scrapy startproject mybot
$ cd mybot
在mybot/items.py
中创建一个项目.
Note:在较新版本的Scrapy中,您需要安装scrapy_djangoitem
并使用from scrapy_djangoitem import DjangoItem
.
from scrapy.contrib.djangoitem import DjangoItem
from scrapy.item import Field
from myapp.models import Person
class PersonItem(DjangoItem):
# fields for this item are automatically created from the django model
django_model = Person
最终的目录 struct 如下:
/home/rolando/projects
├── mybot
│ ├── mybot
│ │ ├── __init__.py
│ │ ├── items.py
│ │ ├── pipelines.py
│ │ ├── settings.py
│ │ └── spiders
│ │ └── __init__.py
│ └── scrapy.cfg
└── myweb
├── manage.py
├── myapp
│ ├── __init__.py
│ ├── models.py
│ ├── tests.py
│ └── views.py
└── myweb
├── __init__.py
├── settings.py
├── urls.py
└── wsgi.py
从这里开始,我们基本上完成了在一个粗糙的项目中使用django模型所需的代码.我们可以立即使用scrapy shell
命令进行测试,但要注意所需的环境变量:
$ cd ~/projects/mybot
$ PYTHONPATH=~/projects/myweb DJANGO_SETTINGS_MODULE=myweb.settings scrapy shell
# ... scrapy banner, debug messages, python banner, etc.
In [1]: from mybot.items import PersonItem
In [2]: i = PersonItem(name='rolando')
In [3]: i.save()
Out[3]: <Person: Person object>
In [4]: PersonItem.django_model.objects.get(name='rolando')
Out[4]: <Person: Person object>
因此,它正在按预期工作.
最后,您可能不想在每次运行bot时都设置环境变量.有许多替代方案可以解决这个问题,尽管最好的方法是将项目的包实际安装在设置为PYTHONPATH
的路径中.
这是最简单的解决方案之一:将以下行添加到您的mybot/settings.py
文件中以设置环境变量.
# Setting up django's project full path.
import sys
sys.path.insert(0, '/home/rolando/projects/myweb')
# Setting up django's settings module name.
# This module is located at /home/rolando/projects/myweb/myweb/settings.py.
import os
os.environ['DJANGO_SETTINGS_MODULE'] = 'myweb.settings'
# Since Django 1.7, setup() call is required to populate the apps registry.
import django; django.setup()
Note:破解路径的一种更好的方法是在两个项目中都有基于setuptools
的setup.py
个文件,并运行python setup.py develop
,这将把您的项目路径链接到python的路径(我假设您使用virtualenv
).
我吃饱了.为了完整起见,下面是一个完全正常工作的项目的基本爬行器和管道:
创建蜘蛛.
$ cd ~/projects/mybot
$ scrapy genspider -t basic example example.com
蜘蛛代码:
# file: mybot/spiders/example.py
from scrapy.spider import BaseSpider
from mybot.items import PersonItem
class ExampleSpider(BaseSpider):
name = "example"
allowed_domains = ["example.com"]
start_urls = ['http://www.example.com/']
def parse(self, response):
# do stuff
return PersonItem(name='rolando')
在mybot/pipelines.py
中创建管道以保存项目.
class MybotPipeline(object):
def process_item(self, item, spider):
item.save()
return item
在这里,如果使用DjangoItem
类,可以使用item.save()
,也可以直接导入django模型并手动创建对象.在这两种方式中,主要的问题是定义环境变量,以便可以使用django模型.
将管道设置添加到mybot/settings.py
文件.
ITEM_PIPELINES = {
'mybot.pipelines.MybotPipeline': 1000,
}
跑开蜘蛛.
$ scrapy crawl example