Python插入Elasticsearch操作方法解析
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
pipinstallelasticsearch-dsl==5.1.0
方法一：
以下是pipelines.py模块的完整代码
#-*-coding:utf-8-*-
#Defineyouritempipelineshere
#
#Don'tforgettoaddyourpipelinetotheITEM_PIPELINESsetting
#See:https://docs.scrapy.org/en/latest/topics/item-pipeline.html
importchardet
classSinafinancespiderPipeline(object):
defprocess_item(self,item,spider):
returnitem
#写入到es中,需要在settings中启用这个类ExchangeratespiderESPipeline
#需要安装pipinstallelasticsearch-dsl==5.1.0注意与es版本需要对应
fromelasticsearch_dslimportDate,Nested,Boolean,analyzer,Completion,Keyword,Text,Integer,DocType
fromelasticsearch_dsl.connectionsimportconnections
connections.create_connection(hosts=['192.168.52.138'])
fromelasticsearchimportElasticsearch
es=Elasticsearch()
classAticleType(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")
classMeta:
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'}
}
classExchangeratespiderESPipeline(DocType):
fromelasticsearch5importElasticsearch
ES=['192.168.52.138:9200']
es=Elasticsearch(ES,sniff_on_start=True)
defprocess_item(self,item,spider):
spider.logger.info("-----enterintoinsertES")
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()
returnitem
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-*-
#Defineyouritempipelineshere
#
#Don'tforgettoaddyourpipelinetotheITEM_PIPELINESsetting
#See:https://docs.scrapy.org/en/latest/topics/item-pipeline.html
fromelasticsearch5importElasticsearch
classSinafinancespiderPipeline(object):
defprocess_item(self,item,spider):
returnitem
#写入到es中,需要在settings中启用这个类ExchangeratespiderESPipeline
#需要安装pipinstallelasticsearch-dsl==5.1.0注意与es版本需要对应
classSinafinancespiderESPipeline():
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
)
defprocess_item(self,item,spider):
spider.logger.info("-----enterintoinsertES")
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'])
returnitem
搜索数据的方法：
#字典形式设置body
query={
'query':{
'bool':{
'must':[
{'match':{'_all':'pythonweb'}}
],
'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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。