我想在 for 循环中运行 Scrapy,列表中的每个 URL 一个循环。(注意:我不希望所有这些 URL 都为start_urls
,我需要它们一次运行一个)。
twisted.internet.error.ReactorNotRestartable
在循环的第一次迭代后,我的第一次尝试给了我错误。
对 SO 的搜索给出了先前的答案,说process.start(stop_after_crawl=False)
应该解决这个问题。这摆脱了 Twisted 错误,但现在只是在循环的第一次迭代后挂起。这不是那个问题的重复。
我目前的代码是:
for url in urls:
process = CrawlerProcess({
'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
'DEPTH_LIMIT': 4
})
process.crawl(MySpider, url)
process.start(stop_after_crawl=False)
第一个 URL 运行良好,然后它就挂了:
'response_received_count': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2018, 8, 12, 21, 12, 29, 963422)}
2018-08-12 22:12:30 [scrapy.core.engine] INFO: Spider closed (finished)
您应该能够使用一些 Twisted 模块来做到这一点。这是一个快速示例:
from scrapy.crawler import CrawlerRunner
from twisted.internet import defer, tasks
@tasks.react
@defer.inlineCallbacks
def crawl_my_sites(reactor):
runner = CrawlerRunner({})
for url in urls:
yield runner.crawl(MySpider, url)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句