Scrapy Spider：完成后重启蜘蛛

Question

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。

• 我的目的是在蜘蛛关闭后重置蜘蛛（蜘蛛关闭，因为它失去了互联网连接）

有谁知道一个好的，简单的方法来做到这一点？

Answer 1

我找到了解决问题的方法！ 我想做什么？

• 失败或关闭时处理蜘蛛
• 关闭时尝试重新执行Spider

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)

• 我使用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