1.寫一個(gè)pyspider的腳本,調(diào)試運(yùn)行無錯(cuò),也可以往數(shù)據(jù)庫插入,但是自動(dòng)運(yùn)行第一次成功后,以后再也無法運(yùn)行成功,提示信息都是success,但就是沒有插入數(shù)據(jù)
代碼如下:
from pyspider.libs.base_handler import *
import pymongo
class Handler(BaseHandler):
crawl_config = {
'headers': {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER'
}
}
client = pymongo.MongoClient('localhost')
db = client['trip']
@every(minutes=24 * 60)
def on_start(self):
self.crawl('https://www.tripadvisor.cn/Attractions-g294212-Activities-Beijing.html', callback=self.index_page ,validate_cert=False, auto_recrawl = True)
@config(age=10 * 24 * 60 * 60)
def index_page(self, response):
for each in response.doc('.listing_info .listing_title a').items():
self.crawl(each.attr.href, callback=self.detail_page, validate_cert=False)
next = response.doc('.pagination .nav.next').attr.href
self.crawl(next,callback = self.index_page, validate_cert=False)
@config(priority=2)
def detail_page(self, response):
name = response.doc('#HEADING').text() + response.doc('#HEADING > span').text()
addr = response.doc('span.street-address').text()
type = response.doc('span.header_detail.attraction_details > div > a:nth-child(1)').text()
phone = response.doc('div.blEntry.phone > span:nth-child(2)').text()
desc = response.doc('div.prw_rup.prw_common_location_description > div > div.text').text()
return {
"url": response.url,
"title": response.doc('title').text(),
"name": name,
"addr": addr,
"type": type,
"tel": phone,
"desc": desc
}
def on_result(self,result):
if result:
self.save_to_mongo(result)
def save_to_mongo(self,result):
if self.db['beijing'].insert(result):
print('save to mongo',result)
3.手工調(diào)試執(zhí)行結(jié)果:
[I 180428 10:55:10 tornado_fetcher:419] [200] tripadvistor_bj:2370a7545cee745073ca951c016aa06f https://www.tripadvisor.cn/At... 0.83s
[I 180428 10:55:12 tornado_fetcher:419] [200] tripadvistor_bj:a89af7ac6933d3284facd55ec0210234 https://www.tripadvisor.cn/At... 0.72s
查看數(shù)據(jù)庫,增加了一條數(shù)據(jù)
自動(dòng)運(yùn)行結(jié)果:
[I 180428 10:56:03 scheduler:906] task done tripadvistor_bj:on_start data:,on_start
[I 180428 10:56:04 scheduler:858] restart task tripadvistor_bj:on_finished data:,on_finished
[I 180428 10:56:04 scheduler:965] select tripadvistor_bj:on_finished data:,on_finished
[I 180428 10:56:04 tornado_fetcher:188] [200] tripadvistor_bj:on_finished data:,on_finished 0s
[I 180428 10:56:04 processor:202] process tripadvistor_bj:on_finished data:,on_finished -> [200] len:11 -> result:None fol:0 msg:0 err:None
[I 180428 10:56:05 scheduler:906] task done tripadvistor_bj:on_finished data:,on_finished
查看數(shù)據(jù)庫,沒有增加數(shù)據(jù)。
請(qǐng)大神指點(diǎn)一下如何查找問題,這其中tornado_fetcher:后面的代碼表示什么意思呢?是否和這個(gè)有關(guān)?
pyspider 會(huì)自動(dòng)去重,抓過的連接不會(huì)重新抓取,引用大神的:https://segmentfault.com/q/10...
pyspider說明手冊(cè)
http://docs.pyspider.org/en/l...
我改成這樣就好了:
class Handler(BaseHandler):
crawl_config = {
'itag': 'v223'
}
我也遇到類似的問題,手動(dòng)一個(gè)個(gè)調(diào)試的時(shí)候,能夠獲取數(shù)據(jù),等到 runing 的時(shí)候,就報(bào)錯(cuò)
[I 180819 21:07:33 tornado_fetcher:188] [200] meizitu_com:on_finished data:,on_finished 0s
[I 180819 21:07:33 processor:202] process meizitu_com:on_finished data:,on_finished -> [200] len:11 -> result:None fol:0 msg:0 err:None
[I 180819 21:07:33 scheduler:906] task done meizitu_com:on_finished data:,on_finished
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國(guó)IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國(guó)家
北大青鳥中博軟件學(xué)院創(chuàng)立于2003年,作為華東區(qū)著名互聯(lián)網(wǎng)學(xué)院和江蘇省首批服務(wù)外包人才培訓(xùn)基地,中博成功培育了近30000名軟件工程師走向高薪崗位,合作企業(yè)超4
中公教育集團(tuán)創(chuàng)建于1999年,經(jīng)過二十年潛心發(fā)展,已由一家北大畢業(yè)生自主創(chuàng)業(yè)的信息技術(shù)與教育服務(wù)機(jī)構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團(tuán),成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達(dá)內(nèi)教育集團(tuán)成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機(jī)構(gòu),是中國(guó)一站式人才培養(yǎng)平臺(tái)、一站式人才輸送平臺(tái)。2014年4月3日在美國(guó)成功上市,融資1
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項(xiàng)目經(jīng)理從事移動(dòng)互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍(lán)懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負(fù)責(zé)iOS教學(xué)及管理工作。
浪潮集團(tuán)項(xiàng)目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺(tái)面向?qū)ο箝_發(fā)經(jīng)驗(yàn),技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點(diǎn)難點(diǎn)突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對(duì)瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗(yàn)。曾經(jīng)歷任德國(guó)Software AG 技術(shù)顧問,美國(guó)Dachieve 系統(tǒng)架構(gòu)師,美國(guó)AngelEngineers Inc. 系統(tǒng)架構(gòu)師。