Python爬虫之使用MongoDB存储数据

import pymongo
from scrapy.exceptions import DropItem
 
class MongoPipeline(object):
    collection_name = 'scrapy_items'
 
    def __init__(self, mongo_uri, mongo_db):
        self.mongo_uri = mongo_uri
        self.mongo_db = mongo_db
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),
            mongo_db=crawler.settings.get('MONGO_DATABASE', 'items_database')
        )
 
    def open_spider(self, spider):
        self.client = pymongo.MongoClient(self.mongo_uri)
        self.db = self.client[self.mongo_db]
 
    def close_spider(self, spider):
        self.client.close()
 
    def process_item(self, item, spider):
        self.db[self.collection_name].insert_one(dict(item))
        return item

这段代码定义了一个MongoDB的管道类，用于将爬取的数据存储到MongoDB数据库中。它首先从配置文件中读取MongoDB的连接信息，然后在爬虫开始和结束时建立和关闭MongoDB的连接。在爬取每个项时，它会将项转换为字典并插入到指定的集合中。