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
第一次搞 scrapy，求问关于 start_requests() 内 yield request 的问题
FYK · 2019-08-31 00:21:32 +08:00 · 3183 次点击这是一个创建于 1912 天前的主题，其中的信息可能已经有所发展或是发生改变。
元数据存储在第三方队列中，然后我的逻辑是在 start_requests() 中 while 从队列中循环获取数据，然后根据这些数据拼接 URL，再 yield, 伪代码如下：
def start_requests(self):
data = get_data_from_queue()
if len(data) > 0:
url = data 内数据拼接
yield scrapy.Request(url,其它参数)
最终的结果是队列数量和实际请求数量相差极大，比如我在队列中的消息数量为 1000，然后开启爬虫，等爬虫停止的时候，根据它的最后的日志信息发现请求队列中只入队了几十个。而队列中的消息已经消费完了。
我目前的想法是，是不是从第三方获取消息太快了，scrapy 这边 yield request 的时候没跟上，然后现在在调整单次从队列获取的数量大小？但是收效甚微，极端数量为 1 的时候，队列还没消费完，爬虫已经停止了。
我觉得这应该是很简单的问题，举个例子 for 循环这样 yield request 对于有规则的 url 也是常见的场景，但是受限于这方面知识面不足，我目前没有什么好的思路去尝试解决这个问题。
想问各位 v 友，我这个问题的关键在哪里，应该怎么解决。或者提供一个准确的关键词也是极好的，我就是没有准确的关键词，已经搜索很久了也没有搜到想要的。
第 1 条附言 · 2019-08-31 14:42:42 +08:00
补充：
def start_requests(self):
records = self.service.batch_receive_message(3)
while len(records) > 0:
for record in records:
record = json.loads(record.message_body)
a = record.get('a')
b = record.get('b')
c = record.get('c')
url = self.base_url.format(a = a, b = b, c = c)
yield scrapy.Request(url, meta=record, callback=self.parse, errback=self.error_back)
records =self.service.batch_receive_message(3)
 |
1
leishi1313 2019-08-31 01:27:44 +08:00
你放整个的代码吧，粗看并不是一个 for 或者 yield 的问题
|
 |
2
OldPanda 2019-08-31 02:21:18 +08:00
如果不方便放整个的代码，能不能放这部分的原代码加上 get_data_from_queue() 函数的实现？
|
 |
3
Trim21 2019-08-31 08:58:55 +08:00 via Android
按你这个伪代码，如果某次取到的 data 长度为 0，不就结束生成请求了…
|
 |
4
FYK OP @leishi1313 已补充，不太方便原样，所以改了下变量名啥的，但是实际的逻辑就是这样子
@OldPanda 已补充，不太方便原样，所以改了下变量名啥的，但是实际的逻辑就是这样子 @Trim21 应该是不停止的，具体的停止要看 scrapy 的请求队列中是否还有请求存在。我有遇到过你说的这样的情况，就是在取到的 data 长度为 0 时，恰好程序停止了，但停止的实际原因是因为请求队列空了。如果 data 长度为 0，而 scrapy 的请求队列中还有请求，scrapy 会继续执行请求，直到全部消耗完毕才会停止程序。 |
Select Language