我需要一个解决方案来比较SecondSpider
的每个项目与FirstSpider
的所有项目。看看这个虚拟代码。
class FirstSpider(Spider):
all_items = []
def parse(self, response):
trs = response.xpath("table tr")
for tr in trs:
item = SomeItem()
item["one"] = "one"
yield item
class SecondSpider(Spider):
def parse(self, response):
trs = response.xpath("table tr")
for tr in trs:
item = SomeItem()
item["one"] = "one"
if item in FirstSpider.all_items:
yield item
谢谢!
我假设您的蜘蛛一个接一个地运行:FirstSpider
收集所有数据,然后运行SecondSpider
。在这种情况下,一种解决方案是将FirstSpider
返回的所有项保存到一个临时文件中,然后在初始化SecondSpider
时读入该文件。在这种情况下,您可以访问本地的所有数据,并可以对其进行过滤。
或者,您可以创建一个项管道,它从FirstSpider
加载导出的项,并对SecondSpider
返回的项进行过滤。