[英]Scrapy Spider: Restart spider when finishes
如果关闭的原因是因为我的互联网连接(夜间互联网停机5分钟),我正试图让我的Scrapy蜘蛛再次启动。 当互联网发生故障时,蜘蛛在5次尝试后关闭。
我正试图在我的蜘蛛定义中使用此函数,试图在关闭时重启蜘蛛:
def handle_spider_closed(spider, reason):
relaunch = False
for key in spider.crawler.stats._stats.keys():
if 'DNSLookupError' in key:
relaunch = True
break
if relaunch:
spider = mySpider()
settings = get_project_settings()
crawlerProcess = CrawlerProcess(settings)
crawlerProcess.configure()
crawlerProcess.crawl(spider)
spider.crawler.queue.append_spider(another_spider)
我尝试了很多东西,比如重新实例化一个蜘蛛,但得到了Reactor已经运行的错误或类似的东西。
我想过从脚本执行蜘蛛,当蜘蛛完成后再次调用它,但两个都没有工作,因为反应堆仍在使用中。
有谁知道一个好的,简单的方法来做到这一点?
我找到了解决问题的方法! 我想做什么?
我通过像这样处理蜘蛛的错误来管理:
import time
class mySpider(scrapy.Spider):
name = "myspider"
allowed_domains = ["google.com"]
start_urls = [
"http://www.google.com",
]
def handle_error(self, failure):
self.log("Error Handle: %s" % failure.request)
self.log("Sleeping 60 seconds")
time.sleep(60)
url = 'http://www.google.com'
yield scrapy.Request(url, self.parse, errback=self.handle_error, dont_filter=True)
def start_requests(self):
url = 'http://www.google.com'
yield scrapy.Request(url, self.parse, errback=self.handle_error)
dont_filter=True
来使Spider允许复制请求,只有当它经历错误时。 errback=self.handle_error
使Spider通过自定义handle_error
函数
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.