Привет, у меня есть базовый паук, который запускается для извлечения всех ссылок в данном домене. Я хочу убедиться, что он сохраняет свое состояние, чтобы он мог возобновиться с того места, где он ушел. Я выполнил заданный url http://doc.scrapy.org/en/latest/topics/jobs.html. Но когда я попробую его в первый раз, когда он работает нормально, и я заканчиваю его с помощью Ctrl + C, и когда я пытаюсь возобновить его, обход останавливается на первом URL-адресе.Scrapy spider не сохраняет состояние (постоянное состояние)
Ниже бревно, когда она заканчивается:
2016-08-29 16:51:08 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 896,
'downloader/request_count': 4,
'downloader/request_method_count/GET': 4,
'downloader/response_bytes': 35320,
'downloader/response_count': 4,
'downloader/response_status_count/200': 4,
'dupefilter/filtered': 149,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2016, 8, 29, 16, 51, 8, 837853),
'log_count/DEBUG': 28,
'log_count/INFO': 7,
'offsite/domains': 22,
'offsite/filtered': 23,
'request_depth_max': 1,
'response_received_count': 4,
'scheduler/dequeued': 2,
'scheduler/dequeued/disk': 2,
'scheduler/enqueued': 2,
'scheduler/enqueued/disk': 2,
'start_time': datetime.datetime(2016, 8, 29, 16, 51, 7, 821974)}
2016-08-29 16:51:08 [scrapy] INFO: Spider closed (finished)
Вот мой паук:
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor
from Something.items import SomethingItem
class maxSpider(CrawlSpider):
name = 'something'
allowed_domains = ['thecheckeredflag.com', 'inautonews.com']
start_urls = ['http://www.thecheckeredflag.com/', 'http://www.inautonews.com/']
rules = (Rule(LinkExtractor(allow=()), callback='parse_obj', follow=True),)
def parse_obj(self,response):
for link in LinkExtractor(allow=self.allowed_domains,deny =()).extract_links(response):
item = SomethingItem()
item['url'] = link.url
yield item
#print item
Scrapy версия: Scrapy 1.1.2
Python версии: 2,7
Я новичок в scrapy, если мне нужно опубликовать больше информации, пожалуйста, дайте мне знать.
Как выглядит ваш терминал/CMD? Используется ли синтаксис, как они предполагают: 'scrapy crawl somespider -s JOBDIR = crawls/somespider-1'? – dblclik
Да, точно так же. он также работает в первый раз правильно, но когда я возобновляю выше, это статистика для резюме –
Можете ли вы вставить журнал, когда ваш скребок начнет работать? Где происходит конфигурация. –