侯体宗的博客
  • 首页
  • Hyperf2.1版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

Python插入Elasticsearch操作方法解析

Python  /  管理员 发布于 2年前   115

这篇文章主要介绍了Python插入Elasticsearch操作方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

在用scrapy做爬虫的时候,需要将数据存入的es中。网上找了两种方法,照葫芦画瓢也能出来,暂记下来:

首先安装了es,版本是5.6.1的较早版本

用pip安装与es版本相对的es相关包

pip install elasticsearch-dsl==5.1.0

方法一:

以下是pipelines.py模块的完整代码

# -*- coding: utf-8 -*-# Define your item pipelines here## Don't forget to add your pipeline to the ITEM_PIPELINES setting# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.htmlimport chardetclass SinafinancespiderPipeline(object):  def process_item(self, item, spider):    return item# 写入到es中,需要在settings中启用这个类 ExchangeratespiderESPipeline# 需要安装pip install elasticsearch-dsl==5.1.0 注意与es版本需要对应from elasticsearch_dsl import Date,Nested,Boolean,analyzer,Completion,Keyword,Text,Integer,DocTypefrom elasticsearch_dsl.connections import connectionsconnections.create_connection(hosts=['192.168.52.138'])from elasticsearch import Elasticsearches = Elasticsearch()class AticleType(DocType):  page_from = Keyword()  # domain报错  domain=Keyword()  cra_url=Keyword()  spider = Keyword()  cra_time = Keyword()  page_release_time = Keyword()  page_title = Text(analyzer="ik_max_word")  page_content = Text(analyzer="ik_max_word")class Meta:    index = "scrapy"    doc_type = "sinafinance"    # 以下settings和mappings都没起作用,暂且记下    settings = {      "number_of_shards": 3,    }    mappings = {      '_id':{'path':'cra_url'}    }class ExchangeratespiderESPipeline(DocType):  from elasticsearch5 import Elasticsearch  ES = ['192.168.52.138:9200']  es = Elasticsearch(ES,sniff_on_start=True)  def process_item(self, item, spider):    spider.logger.info("-----enter into insert ES")    article = AticleType()    article.page_from=item['page_from']    article.domain=item['domain']    article.cra_url =item['cra_url']    article.spider =item['spider']    article.cra_time =item['cra_time']    article.page_release_time =item['page_release_time']    article.page_title =item['page_title']    article.page_content =item['page_content']    article.save()    return item

以上方法能将数据写入es,但是如果重复爬取的话,会重复插入数据,因为 主键 ”_id” 是ES自己产生的,找不到自定义_id的入口。于是放弃。

方法二:实现自定义主键写入,覆盖插入

# -*- coding: utf-8 -*-# Define your item pipelines here## Don't forget to add your pipeline to the ITEM_PIPELINES setting# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.htmlfrom elasticsearch5 import Elasticsearchclass SinafinancespiderPipeline(object):  def process_item(self, item, spider):    return item# 写入到es中,需要在settings中启用这个类 ExchangeratespiderESPipeline# 需要安装pip install elasticsearch-dsl==5.1.0 注意与es版本需要对应class SinafinancespiderESPipeline():  def __init__(self):    self.ES = ['192.168.52.138:9200']    # 创建es客户端    self.es = Elasticsearch(      self.ES,      # 启动前嗅探es集群服务器      sniff_on_start=True,      # es集群服务器结点连接异常时是否刷新es结点信息      sniff_on_connection_fail=True,      # 每60秒刷新节点信息      sniffer_timeout=60    )  def process_item(self, item, spider):    spider.logger.info("-----enter into insert ES")    doc = {      'page_from': item['page_from'],      'domain': item['domain'],      'spider': item['spider'],      'page_release_time': item['page_release_time'],      'page_title': item['page_title'],      'page_content': item['page_content'],      'cra_url': item['cra_url'],      'cra_time': item['cra_time']    }    self.es.index(index='scrapy', doc_type='sinafinance', body=doc, id=item['cra_url'])    return item

搜索数据的方法:

# 字典形式设置bodyquery = { 'query': {  'bool': {   'must': [    {'match': {'_all': 'python web'}}   ],   'filter': [    {'term': {'status': 2}}   ]  } }}ret = es.search(index='articles', doc_type='article', body=query)# 查询数据data = es.search(index='articles', doc_type='article', body=body)print(data)# 增加es.index(...)# 修改es.update(...)# 删除es.delete()

完成后

在settings.py模块中注册自定义的类

ITEM_PIPELINES = {  # 'sinafinancespider.pipelines.SinafinancespiderPipeline': 300,  'sinafinancespider.pipelines.SinafinancespiderESPipeline': 300,}

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。


  • 上一条:
    python3实现elasticsearch批量更新数据
    下一条:
    使用Ajax、json实现京东购物车结算界面的数据交互实例
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • TP(3/5)
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • python爬虫BeautifulSoup快速抓取网站图片(0个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • VSCode Python开发环境配置的详细步骤(0个评论)
    • 使用 Visual Studio Code(VSCode)搭建简单的Python+Django开发环境的方法步骤(0个评论)
    • 解决vscode python print 输出窗口中文乱码的问题(0个评论)
    • 近期文章
    • Laravel 9.13版本发布(0个评论)
    • beego+GeoLite2免费数据库获取ip地址经纬度等定位归属信息(0个评论)
    • redis安全配置之修改端口、添加密码流程步骤及启动使用(0个评论)
    • PHP + Memcache实现简单的统计当前在线人数功能(0个评论)
    • Thinkphp5.1框架中实现Session+Redis会话共享流程步骤(0个评论)
    • go语言中使用Signbit()函数判断一个整数是正数或负数(0个评论)
    • 删库跑路之一链家程序员删除公司9TB数据被判7年,望各大码农警之!(0个评论)
    • Laravel角色和权限:拦截器Gates和策略Policies的解释(0个评论)
    • Laravel 9.12版本发布(0个评论)
    • go语言中实现把数据写入文件函数WriteFile()编写(0个评论)
    • 近期评论
    • 博主 在

      hyperf框架常用命令-在centos7中退出命令及在docker容器中退出命令中评论 @路过的靓仔:cdn静态资源被墙,已修复..
    • GGGGGGGGG 在

      layui框架常用输入框介绍中评论 写的很好解决问题..
    • 路过的靓仔 在

      hyperf框架常用命令-在centos7中退出命令及在docker容器中退出命令中评论 剩下好多 wait 状态的..
    • 激光豆芽 在

      为什么你不能安逸?国内996为什么没有国外955香?中评论 国内现在无意义的内卷太多了..
    • 激光豆芽 在

      阿里云香港服务器搭建自用vpn:Shadowsocks使用流程步骤中评论 厉害了..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客