scrapy - 如何在运行时监控scrapy的状态

Question

我想知道scrapy运行时发生了什么，我如何监控状态？

Answer 1

有两种方法。第一种方法，这里是官方文档中的一个例子。

telnet localhost 6023
>>> est()
Execution engine status
time()-engine.start_time : 8.62972998619
engine.has_capacity() :         False
len(engine.downloader.active) :         16
engine.scraper.is_idle() :      False
engine.spider.name :        followall
engine.spider_is_idle(engine.spider) :      False
engine.slot.closing :       False
len(engine.slot.inprogress) :       16
len(engine.slot.scheduler.dqs or []) :      0
len(engine.slot.scheduler.mqs) :        92
len(engine.scraper.slot.queue) :        0
len(engine.scraper.slot.active) :       0
engine.scraper.slot.active_size :       0
engine.scraper.slot.itemproc_size :         0
engine.scraper.slot.needs_backout() :   False

更多信息请参考官方文档。

第二种方法似乎更简单一些。您可以通过以下方法获取爬虫的状态：

    self.crawler.stats.get_stats() 
or 
    spider.crawler.stats.get_stats()

因此，只需根据需要打印出状态即可。

Answer 2

还有一个第三方扩展来监控scrapy状态

• scrapy-jsonrpc

这个项目曾经是在scrapy中构建的，现在它是独立的。scrapy-jsonrc 通过 JSON-RPC 控制和监控正在运行的 Scrapy 网络爬虫，并具有网络服务。

旧版本的scrapy文档中的Web服务。

• 爬虫监视器

该项目使用 StatcollectorMiddleware 存储当前对 redis 的请求的统计信息。并且还有一个网络服务。