189 8069 5689
小编给大家分享一下Python如何插入Elasticsearch，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
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.html
import chardet
class 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,DocType
from elasticsearch_dsl.connections import connections
connections.create_connection(hosts=['192.168.52.138'])
from elasticsearch import Elasticsearch
es = 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 elasticsearch6 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.html
from elasticsearch6 import Elasticsearch
class 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body
query = {
'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,
}以上是“Python如何插入Elasticsearch”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联成都网站设计公司行业资讯频道！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。