scrapy信号就是我们事先指定在什么条件下,要调用什么方法。当条件被触发时，方法就会被执行。
所谓:摔杯为号,刀斧手出动,当然这是需要事先跟手下讲明的
第1步:摔杯为号我们一般会在spider的__init__()中来指定信号,也可以重写from_crawler()这个方法来指定信号----->跟手下讲明这是鸿门宴,摔杯是要砍对方主公的
实现方式1:from_crawler方法中crawler.signals.connect(spider.item_scraped,signal=signals.item_scraped)
实现方式2:在__init__()方法中dispatcher.connect(self.handle_spider_closed,signals.spider_closed)
分析源码可以看到,这两方法本质上是相同的
第2步:调用指定方法
这一步其实就是一个要被调用的自定义方法
二.scrapy的内置信号
文档链接:https://docs.scrapy.org/en/latest/topics/signals.html
ps: scrapy的组件和扩展,都是基于信号来设计的
三.小例子import scrapy from scrapy import signals from ccidcom.items import CcidcomItem class CcidcomSpider(scrapy.Spider): name = 'ccidcomSpider' start_urls = ['http://www.ccidcom.com/yaowen/index.html']
item_count = 0 @classmethod def from_crawler(cls, crawler, *args, **kwargs): spider = super(CcidcomSpider,
cls).from_crawler(crawler, *args, **kwargs)
crawler.signals.connect(spider.item_scraped,
signal=signals.item_scraped)
crawler.signals.connect(spider.spider_closed, signal=signals.spider_closed)
return spider
def parse(self, response): lists = response.css('div.article-item div.title a::attr("href")')
for info in lists:
item = CcidcomItem()
item['url'] = info.get()
yield item
def item_scraped(self, item, response, spider): if item:
self.item_count += 1 self.logger.info('--------item_scraped')
def spider_closed(self, spider, reason): spider.logger.info('一共抓取到了{}个item'.format(self.item_count))
from_crawler是在爬虫被初始化时执行的入口方法
spider = super(CcidcomSpider, cls).from_crawler(crawler, *args, **kwargs)是调用父类的方法, 获取到实例化的爬虫
crawler.signals.connect(spider.item_scraped, signal=signals.item_scraped)是将爬虫的spider.item_scraped方法注入到signals.item_scraped信号的位置上
当我们yield返回一个item时, 就会调用我们自己写的item_scraped方法, 将item的数量+1
我们也注册了一个spider_closed的信号, 在爬虫结束以后, 输出我们一共抓取到了多少个item
这就是scrapy信号的简单的例子, 而且这个例子可以写在很多地方(扩展、中间件、pipeline...)
相应的视频教程在这里 https://mp.weixin.qq.com/s/DG-T965Y9yKLwNYPus2cXA
本文由 mdnice 多平台发布
