关于自动关闭爬虫
目前方式:在spider中改写spider_idle,查看start_urls中队列是否为空白,连续**次均为空,则关闭爬虫
def spider_idle(self):
"""
设置爬虫自动关闭
"""
# 判断信号,如果close_signal为True, 直接关闭spider
if self.close_signal:
raise CloseSpider
# 获取队列/set中剩余任务数量
length_of_start_urls = self.server.scard(self.redis_key) if self.use_set else self.server.llen(self.redis_key)
if length_of_start_urls == 0:
self.idle_number += 1 # 队列中无任务, 闲置次数加一
else:
self.idle_number = 0 # 队列中有任务, 则归零
if self.idle_number > self.close_idle_number: # 连续闲置次数超过阈值,则关闭spider
raise CloseSpider
else:
self.schedule_next_requests()
raise DontCloseSpider
关于替换redis为rediscluster
方式一:使用scrapy-rediscluster库替换scrapy-redis
方式二:自定义redis连接函数
REDIS_PARAMS = dict() # 自定义redis配置
# 替换默认redis连接库,修改成自定义的redis-cluster连接
REDIS_PARAMS['redis_cls'] = '{myproject}.redis_client.redis_client' # 连接函数对应路径
REDIS_PARAMS['REDIS_HOST'] = '*.*.*.*' # REDIS_HOST
REDIS_PARAMS['REDIS_PORT'] = '****' # REDIS_PORT
REDIS_PARAMS['REDIS_PASS'] = 'password' # REDIS密码
连接函数
from rediscluster import StrictRedisCluster
import traceback
def redis_client(**params):
try:
rds = StrictRedisCluster(startup_nodes=[{"host": params['REDIS_HOST'], "port": params['REDIS_PORT']}],
password=params['REDIS_PASS'])
return rds
except:
traceback.print_exc()
附上scrapy-redis中redis连接部分源码
SETTINGS_PARAMS_MAP = {
'REDIS_URL': 'url',
'REDIS_HOST': 'host',
'REDIS_PORT': 'port',
'REDIS_ENCODING': 'encoding',
}
def get_redis_from_settings(settings):
params = defaults.REDIS_PARAMS.copy() # 导入默认参数
params.update(settings.getdict('REDIS_PARAMS')) # 如果settings中自定义了REDIS_PARAMS,则覆盖默认参数
# XXX: Deprecate REDIS_* settings.
for source, dest in SETTINGS_PARAMS_MAP.items():
val = settings.get(source)
if val:
params[dest] = val
# Allow ``redis_cls`` to be a path to a class.
if isinstance(params.get('redis_cls'), six.string_types):
params['redis_cls'] = load_object(params['redis_cls']) # 导入redis连接模块,如果有自定义,则导入我们自定义的链接函数
return get_redis(**params)
# Backwards compatible alias.
from_settings = get_redis_from_settings
def get_redis(**kwargs):
redis_cls = kwargs.pop('redis_cls', defaults.REDIS_CLS)
url = kwargs.pop('url', None)
# 返回redis实例,这里可以看出,参数我们也可以自定义
if url:
return redis_cls.from_url(url, **kwargs)
else:
return redis_cls(**kwargs)