- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在进行搜索,需要提交一个日期的表单,抓取一堆结果,然后转到下一个日期。
在我的解析方法中,我将循环遍历日期,并为每次搜索提交表单。每次搜索都会引发数百个请求。
有没有办法在我搜索下一个日期之前等待这些请求完成?我需要能够跟踪爬网程序退出时已完成的日期。
class DateSpider(scrapy.Spider):
def parse(self, response):
start_date = datetime.date(2012, 1, 1)
end_date = datetime.date(2012, 12, 31)
delta = datetime.timedelta(days=1)
d = start_date
while d <= end_date:
form_date = d.strftime('%m/%d/%Y')
yield scrapy.FormRequest.from_response(
response,
formdata={'avEntryDate': form_date},
callback=self.parseDateSearchResult,
)
d += delta
def parseDateSearchResult(self, response):
# table that creates an additional 500 requests
# I want these requests to complete before I queue the next dates 500 requests
我想防止数十万个请求排队,特别是因为我需要缓慢地爬行,并且整个爬行不可能在一次运行中完成。有没有更好的方法来一次抓取这个?
想法 - 你可以运行一个蜘蛛程序,等待它完成,然后使用不同的参数再次启动蜘蛛程序吗?
最佳答案
关于等待蜘蛛“完成”然后重新开始,是的,你可以用spider_idle
signal来做到这一点当蜘蛛没有更多工作要做时,它会等待,我认为这个蜘蛛(当然经过您的修改)应该适合您:
class WaitDateSpider(Spider):
def __init__(self, *args, **kwargs):
self.current_date = datetime(2012, 1, 1)
self.end_date = datetime(2012, 12, 31)
super(WaitDateSpider, self).__init__(*args, **kwargs)
self.crawler.signals.connect(self.spider_idle, signal=signals.spider_idle)
start_urls = ['http://initialurl.com']
initial_response = None
def create_date_request(self, response, date):
return FormRequest.from_response(
response,
formdata={'avEntryDate': date},
callback=self.parse_date_search_results,
)
def parse(self, response):
self.initial_response = response
yield self.create_date_request(response, self.current_date)
def parse_date_search_results(self, response):
pass
def spider_idle(self, spider):
if self.current_date < self.end_date:
self.current_date += timedelta(days=1)
self.crawler.engine.crawl(self.create_date_request(self.initial_response, self.current_date), spider)
检查信号方法是否实际上产生
请求,而是使用crawler.engine
将请求添加到其队列中。
我还添加了 initial_response
属性,因为您正在使用 from_response
方法创建 FormRequest
。
关于python - 完成一个约会,然后再进行另一个约会,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43010014/
我有一个跟踪到期日期的电子表格(excel 2003),我想知道是否有办法让这些到期日期在 Outlook 中创建约会(提醒)。到期日期位于电子表格的一个字段中,实体名称位于另一列中。理想情况下,我希
我搜索文档,但找不到获取今天日期的函数。我可能错过了一些相当明显的东西。 我只需要类似的东西 julia> today() 2014-06-25 julia> string(today()) "201
我需要将开始/结束时间下拉列表中的项目更改为相隔 5 分钟。似乎没有简单的方法来设置它,所以我正在尝试 VBA。 我可以让检查员在打开预约表格时进行检查: If Inspector.CurrentIt
我正在尝试获取共享日历的所有项目(我已关注 Glen Scales 的 EWS - Access All Shared Calendars),但它仅在“共享日历”(法语中的“Calendriers p
我需要当前约会。如果当前没有约会,则下一个甚至上一个约会。 我打算使用 Restrict 来限制约会集,然后根据 restrict 参数选择第一个或最后一个约会(例如,限制在当前时间之后结束的约会,或
我对 Python 还很陌生 - 所以请友善:)我有一个带有日期列的数据框。我使用 从 TXT 文件导入它 df1 = pd.read_csv('FileName.TXT', low_memory=F
已经创建了一个 outlook 约会做这样的事情; Microsoft.Office.Interop.Outlook.Application app = null; Microsoft.Offic
我编写了这段代码来查找指定时间范围内指定类别的所有约会的总持续时间: private readonly MAPIFolder _timing; private int CalculateTotalDu
Appointment.Id 属性或 Appointment.Id.UniqueId 真的是唯一的吗? 我有最简单的方法,使用 ExchangeService.FindAppointments 检索约
我必须调用或处理以更新日历中现有事件(我单击的事件)的事件或方法名称是什么。完整日历可以在这里找到http://arshaw.com/fullcalendar/ 最佳答案 初始化 FullCalend
我制定了一个如下所示的自定义时间表并且它有效但现在我正在尝试添加事件/约会并且我无法弄清楚我的生活如何做到这一点。我希望能够单击日历上的其中一个按钮(日期),创建约会/事件,然后将事件的标题添加到为正
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,
我有一个 iOS 应用程序,我需要能够从 Exchange 用户那里获取所有约会。任何人都可以指出我在这方面的好方向吗?这似乎是可能的,因为 iPhone 和其他应用程序/Outlook 可以做到这一
我正在尝试使用 Python win32com 库从 outlook(2013) 获取事件,我已经设法做到了这一点,但是我无法获得它们的状态(已接受、暂定、已拒绝)。当我当前的代码获取所有事件时,了解
我想读取某个日期之间某个用户的所有约会。并从他们那里获取有关内容、从何时到何时、它的颜色(类别)、如果不在办公室的话状态的信息。我没有找到有效的样本。你能给我看一个示例吗? 我使用的是 MS 的 wi
这里是 Java 8/Groovy 2.4.3/2015 A.D.。我需要编写一个将安装在台式机/笔记本电脑上的 Swing 应用程序,我想知道现代 Swing 应用程序开发人员在以下方面是什么样的:
我是 Ruby 的新手,正在尝试弄清楚为什么以下内容无法按预期工作: 2.2.1 :010 > user_date = Date.today => Sun, 31 May 2015 2.2.1 :0
我正在尝试添加 Appointments到我的 UWP 应用。 我已成功设置约会,但创建的约会 ID 结果为空,这意味着约会未创建。 以下是我的代码: public static Re
我目前正在开发一个利用 Microsoft Exchange WebServices 的应用程序,我对 Appointment.IsRecurring 属性和 Appointment.Appointm
想想看,我在使用 IE 时遇到了问题,希望有人能够提供帮助......我有一个网站,访问者可以在该网站上报名参加特定的 session ,然后我希望能够为他们选择的日历生成约会;选项包括 Gmail、
我是一名优秀的程序员,十分优秀!