python – 运行scrapy crawler的最简单方法,因此它不会阻止脚本

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 运行scrapy crawler的最简单方法,因此它不会阻止脚本，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1393字，纯文字阅读大概需要2分钟。

内容图文

The official docs提供了许多从代码运行scrapy crawler的方法：

import scrapy
from scrapy.crawler import CrawlerProcess

class MySpider(scrapy.Spider):
    # Your spider definition
    ...

process = CrawlerProcess({
    'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)'
})

process.crawl(MySpider)
process.start() # the script will block here until the crawling is finished

但是所有这些都会阻止脚本,直到爬行结束.在python中以非阻塞,异步方式运行爬虫的最简单方法是什么？

解决方法:

我尝试了我能找到的每一个解决方案,而且唯一能为我工作的是this.但是为了让它与scrapy 1.1rc1一起工作,我不得不稍微调整一下：

from scrapy.crawler import Crawler
from scrapy import signals
from scrapy.utils.project import get_project_settings
from twisted.internet import reactor
from billiard import Process

class CrawlerScript(Process):
    def __init__(self, spider):
        Process.__init__(self)
        settings = get_project_settings()
        self.crawler = Crawler(spider.__class__, settings)
        self.crawler.signals.connect(reactor.stop, signal=signals.spider_closed)
        self.spider = spider

    def run(self):
        self.crawler.crawl(self.spider)
        reactor.run()

def crawl_async():
    spider = MySpider()
    crawler = CrawlerScript(spider)
    crawler.start()
    crawler.join()

所以现在当我调用crawl_async时,它会开始抓取并且不会阻止我当前的线程.我对scrapy绝对不熟悉,所以可能这不是一个很好的解决方案,但它对我有用.

我使用了这些版本的库：

cffi==1.5.0
Scrapy==1.1rc1
Twisted==15.5.0
billiard==3.3.0.22

内容总结

以上是互联网集市为您收集整理的python – 运行scrapy crawler的最简单方法,因此它不会阻止脚本全部内容，希望文章能够帮你解决python – 运行scrapy crawler的最简单方法,因此它不会阻止脚本所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端