- 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/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!