如何使用scrapy.log模块与自定义日志处理程序？

Question

我一直在研究Scrapy项目，到目前为止一切都很顺利。 但是，我对Scrapy的日志配置可能性不满意。 目前，我已在项目的settings.py中设置了LOG_FILE = 'my_spider.log' 。 当我在命令行上执行scrapy crawl my_spider时，它会为整个爬网过程创建一个大日志文件。 这对我的目的来说是不可行的。

如何将Python的自定义日志处理程序与scrapy.log模块结合使用？ 特别是，我想利用Python的logging.handlers.RotatingFileHandler这样我就可以将日志数据拆分成几个小文件，而不必处理一个巨大的文件。 不幸的是，Scrapy的测井设施的文件不是很广泛。 提前谢谢了！

Answer 1

您可以通过先在scrapy.utils.log.configure_logging中禁用根句柄然后添加自己的日志处理程序，将所有scrapy日志记录到文件中。

在scrapy项目的settings.py文件中添加以下代码：

import logging
from logging.handlers import RotatingFileHandler

from scrapy.utils.log import configure_logging

LOG_ENABLED = False
# Disable default Scrapy log settings.
configure_logging(install_root_handler=False)

# Define your logging settings.
log_file = '/tmp/logs/CRAWLER_logs.log'

root_logger = logging.getLogger()
root_logger.setLevel(logging.DEBUG)
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
rotating_file_log = RotatingFileHandler(log_file, maxBytes=10485760, backupCount=1)
rotating_file_log.setLevel(logging.DEBUG)
rotating_file_log.setFormatter(formatter)
root_logger.addHandler(rotating_file_log)

我们还根据需要自定义日志级别（DEBUG到INFO）和格式化程序。 要在您的蜘蛛管道中添加自定义日志，我们可以像普通的python日志一样轻松地执行此操作，如下所示：

在pipelines.py内

import logging
logger = logging.getLogger()
logger.info('processing item')

希望这可以帮助！

Answer 2

您可以像这样集成自定义日志文件（我不知道如何集成旋转器）：

在你的蜘蛛类文件中：

from datetime import datetime
from scrapy import log
from scrapy.spider import BaseSpider

class ExampleSpider(BaseSpider):
    name = "example"
    allowed_domains = ["example.com"]
    start_urls = ["http://www.example.com/"]

    def __init__(self, name=None, **kwargs):
        LOG_FILE = "scrapy_%s_%s.log" % (self.name, datetime.now())
        # remove the current log
        # log.log.removeObserver(log.log.theLogPublisher.observers[0])
        # re-create the default Twisted observer which Scrapy checks
        log.log.defaultObserver = log.log.DefaultObserver()
        # start the default observer so it can be stopped
        log.log.defaultObserver.start()
        # trick Scrapy into thinking logging has not started
        log.started = False
        # start the new log file observer
        log.start(LOG_FILE)
        # continue with the normal spider init
        super(ExampleSpider, self).__init__(name, **kwargs)

    def parse(self, response):
        ...

输出文件可能如下所示：

scrapy_example_2012-08-25 12:34:48.823896.log

Answer 3

Scrapy使用标准的python记录器，这意味着您可以在创建蜘蛛时抓取并修改它们。

import scrapy
import logging
from logging.handlers import RotatingFileHandler


Class SpiderSpider(scrapy.Spider):
    name = 'spider'
    start_urls = ['https://en.wikipedia.org/wiki/Spider']

    handler = RotatingFileHandler('spider.log', maxBytes=1024, backupCount=3)
    logging.getLogger().addHandler(handler)

    def parse(self, response):
        ...