实现Pyspider爬虫结果的自定义ResultWorker

前言

最近在用pyspider实现项目的爬虫系统,鉴于我们需要自定义的爬虫结果。所有需要重写pyspider自身的ResultWorker。MyResultWorker是对其的on_result(xxx)进行的重写。

自定义ResultWoker,重写on_result方法:

模块:CustomResultWorker.py

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# author: hzliwenhao
# Created on 2017-11-12

import mysql.connector
import time
import logging

from mysql.connector import errorcode
from pyspider.result import ResultWorker

logger = logging.getLogger("MyResultWorker")


class MyResultWorker(ResultWorker):
    def on_result(self, task, result):
        """override"""
        # assert task['taskid']
        # assert task['project']
        # assert task['url']
        # assert result
        # 插入结果,部分数据是硬编码的,方便测试
        if MySQLDB().insert(app_id=1, instance_name='test_name', url=task['url']):
            logger.info('result %s:%s %s -> %.30r' % (
                task['project'], task['taskid'], task['url'], result))


class MySQLDB:
    username = 'appops'
    password = 'root123'
    database = 'resultdb2'
    host = '127.0.0.1'
    port = 13308

    connection = None
    is_connect = True
    placeholder = '%s'

    def __init__(self):
        """init db"""
        if self.is_connect:
            self.connect()

    @staticmethod
    def escape(string):
        return '`%s`' % string

    def connect(self):
        connect_kvs = {
            'user': self.username,
            'password': self.password,
            'host': self.host,
            'port': self.port,
            'database': self.database
        }

        try:
            cnx = mysql.connector.connect(**connect_kvs)
            self.connection = cnx
            return True
        except mysql.connector.Error as err:
            if err.errno == errorcode.ER_ACCESS_DENIED_ERROR:
                print("The credentials you provided are not correct.")
            elif err.errno == errorcode.ER_BAD_DB_ERROR:
                print("The database you provided does not exist.")
            else:
                print("Something went wrong: ", err)
            return False

    def insert(self, **values):
        """insert data"""
        if self.connection is None:
            print("Please connect first")
            return False

        cursor = self.connection.cursor()

        sql = "insert into result_info " \
              "(app_id, instance_name, url, insert_time) " \
              "values " \
              "(%s,%s,%s,%s)"
        # values
        app_id = values['app_id']
        instance_name = values['instance_name']
        url = values['url']
        insert_time = int(round(time.time() * 1000))

        try:
            cursor.execute(sql, (app_id, instance_name, url, insert_time))
            self.connection.commit()
            return True
        except mysql.connector.Error as err:
            print("An error occurred: {}".format(err))
            return False


if __name__ == '__main__':
    import sys

    reload(sys)
    sys.setdefaultencoding('gbk')
    db = MySQLDB()
    db.insert(app_id=123, instance_name='test_name', url='url')

使用方法

方法1 - 命令行指定

pyspider result_worker --result-cls=CustomResultWorker.MyResultWorker // 模块名.类名

方法2

pyspider -c config.json result_worker

  1. -c config.json 配置文件指定
{
 "taskdb":"mysql+taskdb://appops:root123@localhost:3306/taskdb", // mysql
 "projectdb":"mysql+projectdb://appops:root123@localhost:3306/projectdb", // mysql
 "resultdb":"mysql+resultdb://appops:root123@localhost:3306/resultdb", // mysql
 "message_queue": "redis://localhost:6379/0", // redis
 "webui":{ // 界面账户
  "username": "appops",
  "password": "root123",
  "need-auth": true
 },
"scheduler":{
  "delete-time": 3600 // 删除项目的时间
 },
"result_worker":{
    "result_cls": "CustomResultWorker.MyResultWorker"
 }
}

资料

  1. https://github.com/binux/pyspider (pyspier源码)
  2. http://docs.pyspider.org/en/latest/Working-with-Results/ (文档)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,656评论 18 139
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 172,129评论 25 707
  • 转至元数据结尾创建: 董潇伟,最新修改于: 十二月 23, 2016 转至元数据起始第一章:isa和Class一....
    40c0490e5268阅读 1,715评论 0 9
  • 能救别人的是专业知识,而能救自己的是精神寄托,但能将二者入会贯通的其实也没几个人。安迪算一个吧!
    小秋秋球球阅读 233评论 0 0
  • 早上在家里挤牙膏刷牙,拿起牙膏,突然发现牙膏管早就已经被挤得变形了。节前几天已经发现快用完了,但一直没舍得...
    我要去扭腰阅读 1,062评论 1 0