Scrapy如何在蜘蛛运行之间保存状态(通过scrapinghub)?
问题描述:
我有一只蜘蛛会按时运行。蜘蛛输入基于日期。从上次刮擦日期到今天的日期。所以问题是如何在Scrapy项目中保存最后一次刮擦的日期?有一个选项可以使用pkjutil模块从scrapy设置获取数据,但是我没有在文档中找到关于如何在该文件中写入数据的任何参考。任何想法?也许是一种选择? P.S.我的另一种选择是为此使用一些免费的远程MySql数据库。但如果简单的解决方案可用,看起来更多的工作。Scrapy如何在蜘蛛运行之间保存状态(通过scrapinghub)?
import pkgutil
class CodeSpider(scrapy.Spider):
name = "code"
allowed_domains = ["google.com.au"]
def start_requests(self):
f = pkgutil.get_data("au_go", "res/state.json")
ids = json.loads(f)
id = ids[0]['state']
yield {'state':id}
ids[0]['state'] = 'New State'
with open('./au_go/res/state.json', 'w') as f:
json.dump(ids, f)
上述解决方案在本地运行时工作正常。但在Scrapinghub运行代码时,我没有收到这样的文件或目录。
File "/tmp/unpacked-eggs/__main__.egg/au_go/spiders/test_state.py", line 33, in parse
with open(savePath, 'w') as f:
IOError: [Errno 2] No such file or directory: './au_go/res/state.json'
答
的问题是固定的使用Scrapinghub Colections
而且scrapinghub API。现在工作很好。 这里是一个示例代码,以防有人会发现它有用。
from scrapinghub import ScrapinghubClient
client = ScrapinghubClient(Your API KEY)
project = client.get_project(Your Project ID)
collections = project.collections
last_accessed = collections.get_store('last_accessed')
last_accessed.set({'_key': 'Date', 'value': '12-54-1235'})
print last_accessed.get('Date')['value']
你这样做是正确的,只是保存在纯文本文件,,,就是它 – Umair
@Umair谢谢。查看更新的帖子。 –