本人的需求是:在操作一批量級比較大的庫時,在庫中添加了一個字段----是否被讀取,每條數(shù)據(jù)有唯一id標識每一條記錄,所以我每次操作完100條數(shù)據(jù),就將起是否被讀取的狀態(tài)置為1,之后又去取得未讀取的limit 100,循環(huán)如此一直到讀完整個庫。但測試的時候出現(xiàn)了一些問題,如下
from pyspider.libs.base_handler import *
import chardet,urllib
import os,ftplib
from ftplib import FTP
class Handler(BaseHandler):
crawl_config = {
}
start = 0
def on_start(self):
self.crawl('www.baidu.com', callback=self.index_page,force_update=True)
@every(minutes=24 * 60)
def index_page(self, response):
for each in list(response.doc('a[href^="http"]').items())[0:1]:
self.start += 1
self.crawl(each.attr.href, callback=self.detail_page,force_update=True)
ftp_connect(self.start)
@config(priority=2)
def detail_page(self, response):
return {
"url": response.url,
"title": response.doc('title').text(),
}
def on_finished(self, response, task):
#pass
#在這里改寫回顯操作
ftp_connect(self.start)
self.on_start()
def ftp_connect(start):
ftp_server = "192.168.218.10"
username = "ftpuser"
password = "password"
ftp = FTP()
ftp.set_debuglevel(0)
ftp.connect(ftp_server,21)
ftp.login(username,password)
#現(xiàn)在本地寫一個temp.text文件,將其內(nèi)容讀出,傳到服務(wù)器的ftp路徑下,再刪除temp.text文件
a = open("temp.txt","wb").write("%d"%start)
a = open("temp.txt","rb")
ftp.storbinary("STOR lyric.txt",a)
os.system("rm -f temp.txt")
return None
如上代碼,我在on_finished()中進行操作時候,發(fā)現(xiàn)其self.start并沒有按照正常的值去返回,初始化值為0,在index_page()函數(shù)中進行過 +=1 操作,本應(yīng)該是1,可是最后在ftp路徑下查看的文件中的值是0或1(還出現(xiàn)2,3...),如下圖
如上的結(jié)果,導(dǎo)致我在回寫數(shù)據(jù)庫(將是否被讀取置為已讀?。┑臅r候出錯,一個100條記錄的任務(wù)需要執(zhí)行多次才能全部置為已讀取。也就是一個頁面要抓取多次(大概5,6次....),暫時的解決方法是在讀取完庫之后立即回寫,而不是在on_finished()中回寫。但還是希望能了解到為什么on_finished()會出現(xiàn)這樣的問題.
想請問下BaseHandler的運行方式,現(xiàn)在也正在看/pyspider/libs/base_handler.py,問題先掛出來,之后有了自己的想法再填充,希望大家能幫忙給點思路:比如class Handler(BaseHandler) 類是如何切換到task的,其中的各個def又是怎么轉(zhuǎn)換成task....
先行謝謝了
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IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
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)機構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團,成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達內(nèi)教育集團成立于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)機構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,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)任項目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負責(zé)iOS教學(xué)及管理工作。
浪潮集團項目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗,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、重點難點突出、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。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。