Python Scrapy:非阻塞暂停
我有个问题。我需要停止函数的执行一段时间,但不能停止整个解析的实现。也就是说,我需要一个非阻塞暂停 它看起来像:Python Scrapy:非阻塞暂停,python,scrapy,scrapy-spider,Python,Scrapy,Scrapy Spider,我有个问题。我需要停止函数的执行一段时间,但不能停止整个解析的实现。也就是说,我需要一个非阻塞暂停 它看起来像: class ScrapySpider(Spider): name = 'live_function' def start_requests(self): yield Request('some url', callback=self.non_stop_function) def non_stop_function(self, respons
class ScrapySpider(Spider):
name = 'live_function'
def start_requests(self):
yield Request('some url', callback=self.non_stop_function)
def non_stop_function(self, response):
for url in ['url1', 'url2', 'url3', 'more urls']:
yield Request(url, callback=self.second_parse_function)
# Here I need some function for sleep only this function like time.sleep(10)
yield Request('some url', callback=self.non_stop_function) # Call itself
def second_parse_function(self, response):
pass
函数non_stop_函数需要停止一段时间,但它不应该阻止其余的输出
如果我插入time.sleep()
-它将停止整个解析器,但我不需要它。是否可以使用twisted
或其他方法停止一个功能
原因:我需要创建一个非阻塞函数,每n秒解析一次网站页面。在那里,她将获得URL并填充10秒钟。已获取的URL将继续工作,但主要功能需要休眠
更新:
多亏了TkTech和viach。一个答案帮助我理解了如何提出待决的请求
,第二个答案是如何激活它。两个答案相互补充,我为Scrapy做了一个出色的非阻塞暂停:
def call_after_pause(self, response):
d = Deferred()
reactor.callLater(10.0, d.callback, Request(
'https://example.com/',
callback=self.non_stop_function,
dont_filter=True))
return d
并将此功能用于我的请求:
yield Request('https://example.com/', callback=self.call_after_pause, dont_filter=True)
如果你试图用它来限制速率,你可能只想用它来代替 Scrapy只是Twisted之上的一个框架。在大多数情况下,你可以像对待其他twisted应用一样对待它。不要调用sleep,只需返回下一个请求,让twisted稍等。例:
from twisted.internet import reactor, defer
def non_stop_function(self, response)
d = defer.Deferred()
reactor.callLater(10.0, d.callback, Request(
'some url',
callback=self.non_stop_function
))
return d
Request
对象具有callback
参数,请尝试使用该参数。
我的意思是,创建一个Deferred
来包装self.second\u parse\u函数
和pause
这是我的脏且未测试的示例,更改的行被标记
class ScrapySpider(Spider):
name = 'live_function'
def start_requests(self):
yield Request('some url', callback=self.non_stop_function)
def non_stop_function(self, response):
parse_and_pause = Deferred() # changed
parse_and_pause.addCallback(self.second_parse_function) # changed
parse_and_pause.addCallback(pause, seconds=10) # changed
for url in ['url1', 'url2', 'url3', 'more urls']:
yield Request(url, callback=parse_and_pause) # changed
yield Request('some url', callback=self.non_stop_function) # Call itself
def second_parse_function(self, response):
pass
如果该方法适用于您,那么您可以创建一个函数,该函数根据规则构造一个Deferred
对象。可采用如下方式实施:
def get_perform_and_pause_deferred(seconds, fn, *args, **kwargs):
d = Deferred()
d.addCallback(fn, *args, **kwargs)
d.addCallback(pause, seconds=seconds)
return d
以下是可能的用法:
class ScrapySpider(Spider):
name = 'live_function'
def start_requests(self):
yield Request('some url', callback=self.non_stop_function)
def non_stop_function(self, response):
for url in ['url1', 'url2', 'url3', 'more urls']:
# changed
yield Request(url, callback=get_perform_and_pause_deferred(10, self.second_parse_function))
yield Request('some url', callback=self.non_stop_function) # Call itself
def second_parse_function(self, response):
pass
提问者已经在问题的更新中提供了答案,但我想给出一个稍微好一点的版本,这样它就可以用于任何请求
# removed...
from twisted.internet import reactor, defer
class MySpider(scrapy.Spider):
# removed...
def request_with_pause(self, response):
d = defer.Deferred()
reactor.callLater(response.meta['time'], d.callback, scrapy.Request(
response.url,
callback=response.meta['callback'],
dont_filter=True, meta={'dont_proxy':response.meta['dont_proxy']}))
return d
def parse(self, response):
# removed....
yield scrapy.Request(the_url, meta={
'time': 86400,
'callback': self.the_parse,
'dont_proxy': True
}, callback=self.request_with_pause)
作为解释,Scrapy使用Twisted异步管理请求,因此我们也需要Twisted的工具来执行延迟请求。Python不能对一个函数使用notempty
return
和yield
。我知道download\u delay
,但这不是我的情况。@JRazor只是更好地构造你的方法。尝试使用return
和yield
作为一个函数。我如何重新构造调用请求?这种方法有帮助吗@拉斐拉梅达:这不是一个很方便的方式。我希望将来在不影响解析器体系结构的情况下使用此暂停。是否要暂停它以不发出请求?还是在方法内部暂停?如果您能详细说明暂停的原因,那将非常有帮助。@eLRuLL我在回答时添加了我的理由。Thanks@eLRuLL不,你不明白。我想找到,例如,100个链接,发送到解析。暂停不应停止此解析。在这种情况下,主函数需要休眠10秒,然后再次重复。我收到了错误消息“error:Spider在尝试此方法时必须返回Request、BaseItem、dict或None,got'Deferred'”。最近的版本可能有变化吗?我不知道暂停函数是什么,它从哪里来。在d.addCallback(pause,seconds=seconds)
中暂停从哪里来?我可以在twisted文档中看到它,但是我找不到从哪里导入它。