Я пытаюсь запустить scrapy spider, который отлично работает с использованием scrapy crall single
, но я не могу запустить его внутри скрипта python.Scrapy run from script not working
Мне известно, что документы сообщают, как: https://scrapy.readthedocs.org/en/0.18/topics/practices.html, и я также прочитал этот уже ответ на вопрос (How to run Scrapy from within a Python script), но я не могу сделать эту работу.
Основная проблема заключается в том, что метод SingleBlogSpider.parse
никогда не выполняется, в то время как start_requests
выполняется
Здесь код и вывод из работы этого сценария. Я также попытался переместить выполнение в отдельный файл, но это же произойдет.
from urlparse import urlparse
from scrapy.http import Request
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
class SingleBlogSpider(BaseSpider):
name = 'single'
def __init__(self, **kwargs):
super(SingleBlogSpider, self).__init__(**kwargs)
url = kwargs.get('url') or kwargs.get('domain') or 'seaofshoes.com'
if not url.startswith('http://') and not url.startswith('https://'):
url = 'http://%s/' % url
self.url = url
self.allowed_domains = [urlparse(url).hostname.lstrip('www.')]
self.link_extractor = SgmlLinkExtractor()
self.cookies_seen = set()
print 0, self.url
def start_requests(self):
print '1', self.url
return [Request(self.url, callback=self.parse)]
def parse(self, response):
print '2'
# Actual scraper code, that is never executed
if __name__ == '__main__':
from twisted.internet import reactor
from scrapy.crawler import Crawler
from scrapy.settings import Settings
from scrapy import log, signals
spider = SingleBlogSpider(domain='scrapinghub.com')
crawler = Crawler(Settings())
crawler.signals.connect(reactor.stop, signal=signals.spider_closed)
crawler.configure()
crawler.crawl(spider)
crawler.start()
log.start()
reactor.run()
Выход:
0 http://scrapinghub.com/
1 http://scrapinghub.com/
2013-09-13 14:21:46-0500 [single] INFO: Closing spider (finished)
2013-09-13 14:21:46-0500 [single] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 221,
'downloader/request_count': 1,
'downloader/request_method_count/GET': 1,
'downloader/response_bytes': 9403,
'downloader/response_count': 1,
'downloader/response_status_count/200': 1,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2013, 9, 13, 19, 21, 46, 563184),
'response_received_count': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2013, 9, 13, 19, 21, 46, 328961)}
2013-09-13 14:21:46-0500 [single] INFO: Spider closed (finished)
Программа никогда не получает SingleBlogSpider.parse
и печатает '2', так что ничего не ползет. Но, как вы можете видеть на выходе, он делает запрос, поэтому не уверен, что происходит.
Scrapy версия == 0.18-2
Я действительно не могу обнаружить ошибку и помощь очень ценится.
Спасибо!
Ничего себе, я чувствую себя действительно глупо. , если кто-то заинтересован в разрешении печати, теперь просто нужно удалить строку 'log.start()'. Спасибо! – danielfrg
@ dfrodriguez143 да, спасибо за обмен. – alecxe
После запуска журнала вы не можете печатать на консоли. Теперь вопрос в том, как получить возможность печатать на консоли после этого? – Medeiros