Scrapy将项目保存到mongodb:覆盖重复数据

icnyk63a  于 2022-11-09  发布在  Go
关注(0)|答案(1)|浏览(121)

我想过滤是否已经有标题URL存在于mongo数据库中
如果是,覆盖到mongo db请指导我如何过滤scrappy和mongo之间的titleURL?
items.py:

from scrapy.contrib.djangoitem import DjangoItem
from mongo_test.models import Ct
class CtItem(DjangoItem):
    django_model = Ct

蒙戈models.py:

class Ct(models.Model):   
    title       = models.CharField(max_length=100)                 
    titleURL    = models.URLField(max_length=255)   
    .....

pipeline.py :

from mongo_test.models import Ct
class CtPipeline(object):
    def process_item(self, item, spider):
        ct = item.save(commit=False)  
        ct_exist = Ct.objects.filter()  #how to let scrapy titleURL= mongo titleURL
    if ct_exist:
       # override to mongo
    ct.save()
    return item

settings.py 在django项目中:

DATABASES = {
    'default': {
        'ENGINE': 'django_mongodb_engine',
        'NAME': 'scrapy',
    } 
}
ivqmmu1c

ivqmmu1c1#

不保存以前通过擦除脚本存储的重复数据

try:
          find_data=list(mycol.find({
          "question":data['question'],
          "code_snippet":data['code_snippet']
          }))
          if len(find_data) == 0:
              mycol.insert_one(data)
 except: 
         find_data=list(mycol.find({"question":data['question']}))
           if len(find_data) == 0:
                 mycol.insert_one(data)

相关问题