V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
kekeones
V2EX  ›  Python

Scrapy 异步问题求助

  •  
  •   kekeones · 341 天前 · 1318 次点击
    这是一个创建于 341 天前的主题,其中的信息可能已经有所发展或是发生改变。

    使用 Scrapy 爬取内容,使用 Pipeline 将处理后内容 POST 到远程。

    使用request是同步的会有阻塞。

    使用scrapy.FormRequest受限于全局DOWNLOAD_DELAY限制,每次 POST 都会有延迟。

    使用 treq ,不确定如何获取内容

    async def process_post(self, url, data):
        req = treq.post(url, data=data)
        res = await deferred_to_future(req)
        return res
    

    如何获取 res 的内容,打印是<treq.response._Response 200 'text/html; charset=UTF-8' unknown size>

    7 条回复    2023-12-28 21:32:04 +08:00
    encro
        1
    encro  
       341 天前   ❤️ 1
    不看源码?
    看 treq.response._Response 的源码啊!!!
    kekeones
        2
    kekeones  
    OP
       341 天前
    @encro 谢谢,搞定了,原来我缺少了编码参数
    kekeones
        3
    kekeones  
    OP
       340 天前
    @encro 刚试了下,不对,res.content(),
    打印出来的是:
    <Deferred at 0x7fb3587834d0 current result: b'{"state":true}'>
    ayugesheng
        4
    ayugesheng  
       330 天前
    @kekeones 既然都 async 了,推荐直接 aiomysql + aiohttp ,给出一个 aiohttp 的 pipeline 示例:

    import asyncio

    import aiohttp
    from scrapy.utils.defer import deferred_from_coro


    class DemoPipeline:
    def __init__(self) -> None:
    # 一些参数初始化
    pass

    def open_spider(self, spider):
    # 这里可以写入一些非 async 的预备操作,把比如默认参数设置和日志配置等
    return deferred_from_coro(self._open_spider(spider))

    async def _open_spider(self, spider):
    # 这里一般是连接池,async 连接等预备操作
    await asyncio.sleep(0.1)

    async def process_item(self, item, spider):
    # 这里可以使用一些 async 存储库来实现存储逻辑
    ...
    # 看你想 post 到 data 还是 form
    # post_data = json.dumps('{"content": "test"}')
    post_data = {"content": "test"}
    async with aiohttp.ClientSession() as session:
    async with session.post(
    "http://httpbin.org/post", data=post_data
    ) as additional_response:
    # 获取响应内容
    additional_data = await additional_response.text()
    print("additional_data:", additional_data)
    return item

    async def _close_spider(self):
    # 这里一般是 async 连接或连接池关闭逻辑
    await asyncio.sleep(0.1)

    def close_spider(self, spider):
    return deferred_from_coro(self._close_spider())

    注意:
    使用以上代码时,需要在 settings.py 中或者 custom_settings 中配置 "TWISTED_REACTOR": "twisted.internet.asyncioreactor.AsyncioSelectorReactor"
    ayugesheng
        5
    ayugesheng  
       330 天前
    @kekeones 推荐直接 aiomysql + aiohttp ,给出一个 aiohttp 的 pipeline 示例:

    ```
    import asyncio

    import aiohttp
    from scrapy.utils.defer import deferred_from_coro


    class DemoPipeline:
    def __init__(self) -> None:
    # 一些参数初始化
    pass

    def open_spider(self, spider):
    # 这里可以写入一些非 async 的预备操作,把比如默认参数设置和日志配置等
    return deferred_from_coro(self._open_spider(spider))

    async def _open_spider(self, spider):
    # 这里一般是连接池,async 连接等预备操作
    await asyncio.sleep(0.1)

    async def process_item(self, item, spider):
    # 这里可以使用一些 async 存储库来实现存储逻辑
    ...
    # 看你想 post 到 data 还是 form
    # post_data = json.dumps('{"content": "test"}')
    post_data = {"content": "test"}
    async with aiohttp.ClientSession() as session:
    async with session.post(
    "http://httpbin.org/post", data=post_data
    ) as additional_response:
    # 获取响应内容
    additional_data = await additional_response.text()
    print("additional_data:", additional_data)
    return item

    async def _close_spider(self):
    # 这里一般是 async 连接或连接池关闭逻辑
    await asyncio.sleep(0.1)

    def close_spider(self, spider):
    return deferred_from_coro(self._close_spider())
    ```

    注意:
    使用以上代码时,需要在 settings.py 中或者 custom_settings 中配置 "TWISTED_REACTOR": "twisted.internet.asyncioreactor.AsyncioSelectorReactor"

    以上代码乱了,无语,重发一次。
    ayugesheng
        6
    ayugesheng  
       330 天前
    不好意思,v2ex 是不支持 markdown 吗,不怎么在论坛发东西。
    kekeones
        7
    kekeones  
    OP
       329 天前
    好的,谢谢了哈,后面用了 treq 来处理了。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5489 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 03:15 · PVG 11:15 · LAX 19:15 · JFK 22:15
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.