Python爬虫数据写入MongoDB

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_db')
        )
 
    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):
        valid = True
        for field in item.fields:
            if field in item and item[field] is None:
                valid = False
                raise DropItem(f"Missing {field}")
        if valid:
            self.db[self.collection_name].update_one({'url': item['url']}, 
                                                     {'$set': dict(item)}, 
                                                     upsert=True)
            return item
        else:
            raise DropItem("Invalid item found: %s" % item)

这段代码实现了一个MongoDB的Pipeline，用于将爬虫的数据存储到MongoDB数据库中。它首先从配置文件中获取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。在爬取的过程中，每当有item通过这个Pipeline时，它都会检查是否有缺失的字段，如果有，则抛弃该item；如果没有缺失字段，则将item存储到MongoDB中。这个Pipeline类使用了Scrapy提供的一些方法，如from_crawler和open_spider，这使得它更容易与Scrapy结合使用。