web-dev-qa-db-ja.com

スクレイピー：クモが終了したときに関数を呼び出す

終了する直前にSpiderクラスのメソッドをトリガーする方法はありますか？

次のように、自分でクモを終了させることができます：

class MySpider(CrawlSpider):
    #Config stuff goes here...

    def quit(self):
        #Do some stuff...
        raise CloseSpider('MySpider is quitting now.')

    def my_parser(self, response):
        if termination_condition:
            self.quit()

        #Parsing stuff goes here...

しかし、クモがいつ自然に終了するのかを判断する方法に関する情報は見つかりません。

pythonscrapy
40
Abe

dispatcherを介してシグナルリスナーを登録できるようです。

私は次のようなものを試してみます：

from scrapy import signals
from scrapy.xlib.pydispatch import dispatcher

class MySpider(CrawlSpider):
    def __init__(self):
        dispatcher.connect(self.spider_closed, signals.spider_closed)

    def spider_closed(self, spider):
      # second param is instance of spder about to be closed.
69
dm03514

更新するには、次のように closed 関数を呼び出すだけです。

class MySpider(CrawlSpider):
    def closed(self, reason):
        do-something()
33
THIS USER NEEDS HELP

Scrapyバージョンの場合1.0.0 +（古いバージョンでも機能する場合があります）。

from scrapy import signals

class MySpider(CrawlSpider):
    name = 'myspider'

    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        spider = super(MySpider, cls).from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spider.spider_opened, signals.spider_opened)
        crawler.signals.connect(spider.spider_closed, signals.spider_closed)
        return spider

    def spider_opened(self, spider):
        print('Opening {} spider'.format(spider.name))

    def spider_closed(self, spider):
        print('Closing {} spider'.format(spider.name))

良い使い方の1つは、スクレイピースパイダーに tqdm 進捗バーを追加することです。

# -*- coding: utf-8 -*-
from scrapy import signals
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from tqdm import tqdm


class MySpider(CrawlSpider):
    name = 'myspider'
    allowed_domains = ['somedomain.comm']
    start_urls = ['http://www.somedomain.comm/ccid.php']

    rules = (
        Rule(LinkExtractor(allow=r'^http://www.somedomain.comm/ccds.php\?id=.*'),
             callback='parse_item',
             ),
        Rule(LinkExtractor(allow=r'^http://www.somedomain.comm/ccid.php$',
                           restrict_xpaths='//table/tr[contains(., "SMTH")]'), follow=True),
    )

    def parse_item(self, response):
        self.pbar.update()  # update progress bar by 1
        item = MyItem()
        # parse response
        return item

    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        spider = super(MySpider, cls).from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spider.spider_opened, signals.spider_opened)
        crawler.signals.connect(spider.spider_closed, signals.spider_closed)
        return spider

    def spider_opened(self, spider):
        self.pbar = tqdm()  # initialize progress bar
        self.pbar.clear()
        self.pbar.write('Opening {} spider'.format(spider.name))

    def spider_closed(self, spider):
        self.pbar.clear()
        self.pbar.write('Closing {} spider'.format(spider.name))
        self.pbar.close()  # close progress bar
13
Levon

私にとっては、受け入れられたものは機能しませんでした/少なくともスクレイピー0.19では時代遅れです。しかし、私はそれを次のように動作させました：

from scrapy.signalmanager import SignalManager
from scrapy.xlib.pydispatch import dispatcher

class MySpider(CrawlSpider):
    def __init__(self, *args, **kwargs):
        super(MySpider, self).__init__(*args, **kwargs)
        SignalManager(dispatcher.Any).connect(
            self.closed_handler, signal=signals.spider_closed)

    def closed_handler(self, spider):
        # do stuff here
7
Chris

最新バージョン（v1.7）では、スパイダークラスでclosed(reason)メソッドを定義するだけです。

closed(reason)：

クモが閉じるときに呼び出されます。このメソッドは、spider_closedシグナルのsignals.connect（）へのショートカットを提供します。

Scrapy Doc：scrapy.spiders.Spider.closed

2
thomasXu

多数のクモがあり、それぞれが閉じる前に何かをしたい場合は、プロジェクトにstatscollectorを追加すると便利かもしれません。

設定で：

STATS_CLASS = 'scraper.stats.MyStatsCollector'

およびコレクター：

from scrapy.statscollectors import StatsCollector

class MyStatsCollector(StatsCollector):
    def _persist_stats(self, stats, spider):
        do something here
0
slavugan