如何在scrapy python中动态创建带有蜘蛛名称的csv文件

Question

嗨，我正忙着抓取一些html页面，

我已经编写了我的蜘蛛，我从spider.py文件中的页面中获取了所需的数据，而在我的pipeline.py文件中，我想将所有数据写入一个动态创建的带有蜘蛛名称的csv file中，下面是我的pipeline.py代码。

pipeline.py:

from scrapy import log
from datetime import datetime


class examplepipeline(object):

    def __init__(self):
        dispatcher.connect(self.spider_opened, signal=signals.spider_opened)
        dispatcher.connect(self.spider_closed, signal=signals.spider_closed)

    def spider_opened(self, spider):
        log.msg("opened spider  %s at time %s" % (spider.name,datetime.now().strftime('%H-%M-%S')))
        self.exampleCsv = csv.writer(open("%s(%s).csv"% (spider.name,datetime.now().strftime("%d/%m/%Y,%H-%M-%S")), "wb"),
                   delimiter=',', quoting=csv.QUOTE_MINIMAL)
        self.exampleCsv.writerow(['Listing Name', 'Address','Pincode','Phone','Website'])           

    def process_item(self, item, spider):
        log.msg("Processsing item " + item['title'], level=log.DEBUG)
        self.exampleCsv.writerow([item['listing_name'].encode('utf-8'),
                                    item['address_1'].encode('utf-8'),
                                    [i.encode('utf-8') for i in item['pincode']],
                                    item['phone'].encode('utf-8'),
                                    [i.encode('utf-8') for i in item['web_site']]
                                    ])
        return item 


    def spider_closed(self, spider):
        log.msg("closed spider %s at %s" % (spider.name,datetime.now().strftime('%H-%M-%S')))

结果：

--- <exception caught here> ---
  File "/usr/lib64/python2.7/site-packages/twisted/internet/defer.py", line 133, in maybeDeferred
    result = f(*args, **kw)
  File "/usr/lib/python2.7/site-packages/Scrapy-0.14.3-py2.7.egg/scrapy/xlib/pydispatch/robustapply.py", line 47, in robustApply
    return receiver(*arguments, **named)
  File "/home/local/user/example/example/pipelines.py", line 19, in spider_opened
    self.examplecsv = csv.writer(open("%s(%s).csv"% (spider.name,datetime.now().strftime("%d/%m/%Y,%H-%M-%S")), "wb"),
exceptions.IOError: [Errno 2] No such file or directory: 'example(27/07/2012,10-30-40).csv'

实际上这里的蜘蛛名是example

我不明白上面的代码有什么问题，它应该用蜘蛛名动态地创建csv文件，但是显示上面提到的错误，请让我知道那里发生了什么.

Answer 1

问题在于文件名中的正斜杠(目录分隔符)。这是不允许的。尝试在日期中使用其他字符。

更多信息请访问http://www.linuxquestions.org/questions/linux-software-2/forward-slash-in-filenames-665010/

此链接有助于获取您想要的How to print date in a regular format in Python?格式。

>>> import datetime
>>> datetime.date.today()
datetime.date(2012, 7, 27)
>>> str(datetime.date.today())
'2012-07-27'

在您的代码中使用这个

open("%s(%s).csv"% (spider.name,datetime.now().strftime("%d-%m-%Y:%H-%M-%S"))

Answer 2

正如Kamal所指出的，当前的问题是在您创建的文件名中存在正斜杠。Kamal的解决方案起作用，但我不会通过使用Kamal建议的方法来修复这个问题，但是：

open("%s(%s).csv"% (spider.name, datetime.now().replace(microsecond=0).isoformat())

这里的主要内容是使用.isoformat()将其转换为ISO8601格式：

YYYY-MM-DDTHH:MM:SS.mmmmmm

它的优点是在增加时间顺序方面是微不足道的。.replace(microsecond=0)调用的目的是删除微秒信息，在这种情况下，跟踪.mmmmm将从.isoformat()的输出中消失。如果您想保存微秒信息，可以取消对.replace()的调用。当我删除微秒时，我会编写其余的应用程序，以防止两个调用创建相同的文件。

另外，您可以删除自定义__init__，并将spider_opened重命名为open_spider，将spider_closed重命名为close_spider。当一个蜘蛛被打开时，Scrapy会自动调用open_spider，当一个蜘蛛被关闭时，Scrapy会自动调用close_spider。你不必挂在信号上。文档提到这些方法可以追溯到Scrapy0.7。