Item 类型:dict、Item、dataclass 与 ItemAdapter

  类型            is_item  field_names()                     asdict()                                  get("price")  get("zzz", "默认")
  dict          True     ['name', 'price']                 {'name': 'a', 'price': 1.5}               1.5         默认
  scrapy.Item   True     ['name', 'price']                 {'name': 'a', 'price': 1.5}               1.5         默认
  dataclass     True     ['name', 'price', 'extra']        {'name': 'a', 'price': 1.5, 'extra': []}  1.5         默认
  attrs         True     ['name', 'price']                 {'name': 'a', 'price': 1.5}               1.5         默认
  字段元数据 get_field_meta("price"):scrapy.Item={'serializer': <function SItem.<lambda> at 0x…>}; dataclass={}; attrs={'serializer': <class 'str'>}
  不是 item 的东西:is_item(42)= False  is_item("s")= False  is_item([1])= False  is_item(object())= False

  scrapy.Item 赋值未声明字段                         → 抛 KeyError: 'SItem does not support field: zzz'
  scrapy.Item item["zzz"] = 1                 → 抛 KeyError: 'SItem does not support field: zzz'
  scrapy.Item 读未赋值的字段 item["name"]            → 抛 KeyError: 'name'
  scrapy.Item item.get("name")                → 通过,结果 None
  dataclass 传未声明字段 DItem(zzz=1)               → 抛 TypeError: DItem.__init__() got an unexpected keyword argument 'zzz'
  dataclass 给 name 赋整数(类型标注 str)              → 通过,结果 DItem(name=123)
  dict 随便加字段                                  → 通过,结果 None
  ItemAdapter(SItem())["zzz"] = 1  → 抛 KeyError: 'SItem does not support field: zzz'

  o.jsonl:
    {"name": "字典", "price": 1.5}
    {"name": "Item", "price": "¥2.5"}
    {"name": "dataclass", "price": 3.5, "extra": ["x"]}
    {"name": "attrs", "price": 4.5}
  o.csv:
    name,price
    字典,1.5
    Item,¥2.5
    dataclass,3.5
    attrs,4.5
  item_scraped_count=4(四个类型都被接受)
  说明:csv 表头取自第一个 item(字典)的键 name,price;scrapy.Item 的 serializer 在 jsonlines 里生效(price 变成 “¥2.5”),dataclass 的 extra 字段在 csv 里被丢掉(列头里没有)

  dict                         1.3 ms / 万次    1.0× dict
  scrapy.Item                 17.8 ms / 万次   13.5× dict
  dataclass                    3.0 ms / 万次    2.3× dict
  dataclass(slots=True)        2.4 ms / 万次    1.8× dict
  attrs                        2.6 ms / 万次    2.0× dict
  attrs(slots=True)            2.5 ms / 万次    1.9× dict
  每个对象占的内存(tracemalloc,10 万个实例的平均字节):
    dict                        192 字节/个
    scrapy.Item                 436 字节/个
    dataclass                   104 字节/个
    dataclass(slots=True)        64 字节/个
    attrs                       104 字节/个
    attrs(slots=True)            80 字节/个