小編給大家分享一下Python如何插入Elasticsearch，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！
在用scrapy做爬蟲(chóng)的時(shí)候，需要將數(shù)據(jù)存入的es中。網(wǎng)上找了兩種方法，照葫蘆畫(huà)瓢也能出來(lái)，暫記下來(lái)：
首先安裝了es，版本是5.6.1的較早版本
用pip安裝與es版本相對(duì)的es相關(guān)包
pip install elasticsearch-dsl==5.1.0
方法一：
以下是pipelines.py模塊的完整代碼
重慶分公司
重慶分公司
# -*- 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
# 寫(xiě)入到es中,需要在settings中啟用這個(gè)類(lèi) ExchangeratespiderESPipeline
# 需要安裝pip install elasticsearch-dsl==5.1.0 注意與es版本需要對(duì)應(yīng)
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報(bào)錯(cuò)
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都沒(méi)起作用，暫且記下
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以上方法能將數(shù)據(jù)寫(xiě)入es，但是如果重復(fù)爬取的話(huà)，會(huì)重復(fù)插入數(shù)據(jù)，因?yàn)?主鍵 ”_id” 是ES自己產(chǎn)生的，找不到自定義_id的入口。于是放棄。
方法二：實(shí)現(xiàn)自定義主鍵寫(xiě)入，覆蓋插入
# -*- 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
# 寫(xiě)入到es中,需要在settings中啟用這個(gè)類(lèi) ExchangeratespiderESPipeline
# 需要安裝pip install elasticsearch-dsl==5.1.0 注意與es版本需要對(duì)應(yīng)
class SinafinancespiderESPipeline():
def __init__(self):
self.ES = ['192.168.52.138:9200']
# 創(chuàng)建es客戶(hù)端
self.es = Elasticsearch(
self.ES,
# 啟動(dòng)前嗅探es集群服務(wù)器
sniff_on_start=True,
# es集群服務(wù)器結(jié)點(diǎn)連接異常時(shí)是否刷新es結(jié)點(diǎn)信息
sniff_on_connection_fail=True,
# 每60秒刷新節(jié)點(diǎn)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搜索數(shù)據(jù)的方法：
# 字典形式設(shè)置body
query = {
'query': {
'bool': {
'must': [
{'match': {'_all': 'python web'}}
],
'filter': [
{'term': {'status': 2}}
]
}
}
}
ret = es.search(index='articles', doc_type='article', body=query)
# 查詢(xún)數(shù)據(jù)
data = es.search(index='articles', doc_type='article', body=body)
print(data)
# 增加
es.index(...)
# 修改
es.update(...)
# 刪除
es.delete()完成后
在settings.py模塊中注冊(cè)自定義的類(lèi)
ITEM_PIPELINES = {
# 'sinafinancespider.pipelines.SinafinancespiderPipeline': 300,
'sinafinancespider.pipelines.SinafinancespiderESPipeline': 300,
}以上是“Python如何插入Elasticsearch”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線(xiàn)，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性?xún)r(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專(zhuān)為企業(yè)上云打造定制，能夠滿(mǎn)足用戶(hù)豐富、多元化的應(yīng)用場(chǎng)景需求。
