如果没有网址爬网，请抓紧蜘蛛

Raheel 发表于 Dev

拉海尔

我有一个蜘蛛，它从Redis列表中获取URL。

当找不到网址时，我想很好地关闭Spider。我尝试实现CloseSpider异常，但似乎还没有达到目的

def start_requests(self):
    while True:
        item = json.loads(self.__pop_queue())
        if not item:
            raise CloseSpider("Closing spider because no more urls to crawl")
        try:
            yield scrapy.http.Request(item['product_url'], meta={'item': item})
        except ValueError:
            continue

即使我提出了CloseSpider异常，但仍然出现以下错误：

root@355e42916706:/scrapper# scrapy crawl general -a country=my -a log=file
2017-07-17 12:05:13 [scrapy.core.engine] ERROR: Error while obtaining start requests
Traceback (most recent call last):
  File "/usr/local/lib/python2.7/site-packages/scrapy/core/engine.py", line 127, in _next_request
    request = next(slot.start_requests)
  File "/scrapper/scrapper/spiders/GeneralSpider.py", line 20, in start_requests
    item = json.loads(self.__pop_queue())
  File "/usr/local/lib/python2.7/json/__init__.py", line 339, in loads
    return _default_decoder.decode(s)
  File "/usr/local/lib/python2.7/json/decoder.py", line 364, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
TypeError: expected string or buffer

此外，我还尝试在同一函数中捕获TypeError，但它也不起作用。

有什么建议的方法来处理这个吗

谢谢

wer

您需要检查是否self.__pop_queue()返回了某些东西，然后再给予json.loads()（或TypeError在调用时捕获），例如：

def start_requests(self):
    while True:
        item = self.__pop_queue()
        if not item:
            raise CloseSpider("Closing spider because no more urls to crawl")
        try:
            item = json.loads(item)
            yield scrapy.http.Request(item['product_url'], meta={'item': item})
        except (ValueError, TypeError):  # just in case the 'item' is not a string or buffer
            continue

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。