Кодирование с использованием scrapy

Ответ 1

Scrapy возвращает строки в unicode, а не ascii. Чтобы кодировать все строки в utf-8, вы можете написать:

vriskoit['eponimia'] = [s.encode('utf-8') for s in hxs.select('//a[@itemprop="name"]/text()').extract()]

Но я думаю, что вы ожидаете другого результата. Ваш код возвращает один элемент со всеми результатами поиска. Чтобы вернуть элементы для каждого результата:

hxs = HtmlXPathSelector(response)
for eponimia, address in zip(hxs.select("//a[@itemprop='name']/text()").extract(),
                             hxs.select("//div[@class='results_address_class']/text()").extract()):
    vriskoit = VriskoItem()
    vriskoit['eponimia'] = eponimia.encode('utf-8')
    vriskoit['address'] = address.encode('utf-8')
    yield vriskoit

Обновление

Экспонент-экспортер JSON записывает символы unicode, экранированные (например, \u03a4) по умолчанию, поскольку не все потоки могут обрабатывать unicode. У него есть возможность записать их как unicode ensure_ascii=False (см. Docs для json.dumps). Но я не могу найти способ передать этот вариант стандартным экспортерам кормов.

Итак, если вы хотите, чтобы экспортированные элементы записывались в кодировке utf-8, например. для чтения их в текстовом редакторе вы можете написать конвейер настраиваемых элементов.

pipelines.py:

import json
import codecs

class JsonWithEncodingPipeline(object):

    def __init__(self):
        self.file = codecs.open('scraped_data_utf8.json', 'w', encoding='utf-8')

    def process_item(self, item, spider):
        line = json.dumps(dict(item), ensure_ascii=False) + "\n"
        self.file.write(line)
        return item

    def spider_closed(self, spider):
        self.file.close()

Не забудьте добавить этот конвейер в settings.py:

 ITEM_PIPELINES = ['vrisko.pipelines.JsonWithEncodingPipeline']

Вы можете настроить конвейер для записи данных в более удобочитаемом формате, например. вы можете создать какой-то сформированный отчет. JsonWithEncodingPipeline является просто базовым примером.

Ответ 2

Начиная с Scrapy 1.2.0, вводится новый параметр FEED_EXPORT_ENCODING. Указав его как utf-8, вывод JSON не будет экранирован.

То есть добавить в свой settings.py:

FEED_EXPORT_ENCODING = 'utf-8'

Ответ 3

У меня было много проблем из-за кодирования с помощью python и scrapy. Чтобы избежать всех проблем декодирования кодирования, лучше всего написать:

unicode(response.body.decode(response.encoding)).encode('utf-8')

Ответ 4

Правильный ответ - ответ Лацка, добавьте в свои настройки:

FEED_EXPORT_ENCODING = 'utf-8'

И попробуйте еще раз, работает для меня.

Ответ 5

Я нахожу простой способ сделать это. Он сохраняет данные json в 'SpiderName'.json с' utf8 '

from scrapy.exporters import JsonItemExporter

class JsonWithEncodingPipeline(object):

    def __init__(self):
        self.file = open(spider.name + '.json', 'wb')
        self.exporter = JsonItemExporter(self.file, encoding='utf-8', ensure_ascii=False)
        self.exporter.start_exporting()

    def spider_closed(self, spider):
        self.exporter.finish_exporting()
        self.file.close()

    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

Ответ 6

Как упоминалось ранее, экспортер JSON записывает символы unicode, экранированные, и имеет возможность записывать их как unicode ensure_ascii=False.

Чтобы экспортировать элементы в кодировке utf-8, вы можете добавить это в свой проект settings.py файл:

from scrapy.exporters import JsonLinesItemExporter
class MyJsonLinesItemExporter(JsonLinesItemExporter):
    def __init__(self, file, **kwargs):
        super(MyJsonLinesItemExporter, self).__init__(file, ensure_ascii=False, **kwargs)

FEED_EXPORTERS = {
    'jsonlines': 'yourproject.settings.MyJsonLinesItemExporter',
    'jl': 'yourproject.settings.MyJsonLinesItemExporter',
}

Затем запустите:

scrapy crawl spider_name -o output.jl

Ответ 7

Попробуйте добавить следующую строку в конфигурационный файл Scrapy (т.е. settings.py):

FEED_EXPORT_ENCODING = 'utf-8'