栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

python scrapy 不断从数据库或者文件中获取网址抓取采集

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

python scrapy 不断从数据库或者文件中获取网址抓取采集

python小白一个对scrapy不是很熟悉,今天想要从数据库中提取url然后遍历抓取,但是百度了大半天都没有找到案例,特此在此留下记录。

import scrapy
from scrapy import signals
import time

class scrapy_xiangmuSpider(scrapy.Spider):
    name = "scrapy_xiangmu"

    def start_requests(self):
        for url in self.get_url_list():
            try:
                yield scrapy.Request(url=url, callback=self.parse, errback=self.errback_httpbin)
            except:
                print("请求错误:" + url)

    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        spider = super(scrapy_xiangmuSpider, cls).from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spider.spider_closed, signals.spider_closed)
        crawler.signals.connect(spider.spider_idle, signals.spider_idle)
        return spider

    # 爬虫空闲状态时,再获取url抓取
    def spider_idle(self, spider):
        url_list = self.get_url_list() # 从数据库中提取url
        for url in url_list:
            try:
                self.crawler.engine.crawl(scrapy.Request(url, callback=self.parse, errback=self.http_error), spider)
            except:
                print("请求错误:" + url)


    def spider_closed(self, spider):
        self.logger.info('关闭蜘蛛了')

    # 提取内容
    def parse(self, response):
        print(response.url)


    def http_error(self, error):
        self.logger.info('请求错误')

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/869913.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号