16

我创建了一个蜘蛛，并将一个方法链接到 spider_idle 事件。

如何手动添加请求？我不能只从 parse 中返回项目——在这种情况下 parse 没有运行，因为所有已知的 URL 都已被解析。我有一个生成新请求的方法，我想从 spider_idle 回调中运行它以添加创建的请求。

class FooSpider(BaseSpider):
    name = 'foo'

    def __init__(self):
        dispatcher.connect(self.dont_close_me, signals.spider_idle)

    def dont_close_me(self, spider):
        if spider != self:
            return
        # The engine instance will allow me to schedule requests, but
        # how do I get the engine object?
        engine = unknown_get_engine()
        engine.schedule(self.create_request())

        # afterward, ensure we stay alive by raising DontCloseSpider
        raise DontCloseSpider("..I prefer live spiders.")

更新： 我已经确定我可能需要该ExecutionEngine对象，但我不完全知道如何从蜘蛛那里获取它，尽管它可以从一个Crawler实例中获得。

更新2： ..谢谢。..crawler 作为超类的属性附加，所以我可以使用 self.crawler 而不需要额外的努力。>.>

4

1 回答 1

26 
class FooSpider(BaseSpider):
    def __init__(self, *args, **kwargs):
        super(FooSpider, self).__init__(*args, **kwargs)
        dispatcher.connect(self.dont_close_me, signals.spider_idle)

    def dont_close_me(self, spider):
        if spider != self:
            return

        self.crawler.engine.crawl(self.create_request(), spider)

        raise DontCloseSpider("..I prefer live spiders.")

2016 年更新：

class FooSpider(BaseSpider):
    yet = False

    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        from_crawler = super(FooSpider, cls).from_crawler
        spider = from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spider.idle, signal=scrapy.signals.spider_idle)
        return spider

    def idle(self):
        if not self.yet:
            self.crawler.engine.crawl(self.create_request(), self)
            self.yet = True
于 2013-06-06T20:16:25.557 回答