scrapy
Всем привет.
Помогите решить одну головоломку.
Использую scrapy 1.8.0 Когда используется yeild items.load_item() внутри функции parser. Это самая первая функция на которую я попадаю через scrapy.Request, то в piplines.py я могу отловить item в функции process_item. Но стоит мне обвернуть код текущей функции parser в другую функцию. Например func1, то после этого у меня вообще не запускается эта функция и ни чего нельзя отловить в переменной item в piplines.py. А, на экране так же ни чего не выводится, при этом стоит -l DEBUG. В piplines.py я вывожу значение item на экран, чтобы понять что в нем что-то есть.
Пример рабочей функции:
...
def start_requests(self):
url = "http://mysite.ru"
yield scrapy.Request(url=url, callback=self.parse)
def parser(self, response):
items = ItemLoader(item=MyItems(), response=response)
items.add_value('group_name', 'value')
yield items.load_item()
Пример НЕ рабочей функции:
...
def start_requests(self):
url = "http://mysite.ru"
yield scrapy.Request(url=url, callback=self.parse)
def parser(self, response):
self.func1(response)
def func1(self, response):
items = ItemLoader(item=MyItems(), response=response)
items.add_value('group_name', 'value')
yield items.load_item()
Вывод программы:
scrapy crawl -L DEBUG hlphtml
2020-02-01 22:21:08 [scrapy.utils.log] INFO: Scrapy 1.8.0 started (bot: hlphtml)
2020-02-01 22:21:08 [scrapy.utils.log] INFO: Versions: lxml 4.4.2.0, libxml2 2.9.9, cssselect 1.1.0, parsel 1.5.2, w3lib 1.21.0, Twisted 19.10.0, Python 3.6.9 (default, Nov 7 2019, 10:44:02) - [GCC 8.3.0], pyOpenSSL 19.1.0 (OpenSSL 1.1.1d 10 Sep 2019), cryptography 2.8, Platform Linux-5.3.0-28-generic-x86_64-with-Ubuntu-18.04-bionic
2020-02-01 22:21:08 [scrapy.crawler] INFO: Overridden settings: {'BOT_NAME': 'hlphtml', 'NEWSPIDER_MODULE': 'hlphtml.spiders', 'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['hlphtml.spiders']}
2020-02-01 22:21:08 [scrapy.extensions.telnet] INFO: Telnet Password: 1f1518c7ea71e624
2020-02-01 22:21:09 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.memusage.MemoryUsage',
'scrapy.extensions.logstats.LogStats']
2020-02-01 22:21:09 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware',
'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2020-02-01 22:21:09 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2020-02-01 22:21:09 [scrapy.middleware] INFO: Enabled item pipelines:
['hlphtml.pipelines.hlphtmlPipeline']
2020-02-01 22:21:09 [scrapy.core.engine] INFO: Spider opened
2020-02-01 22:21:09 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2020-02-01 22:21:09 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6024
=================
здесь должно было вывестить значение item
=================
2020-02-01 22:21:09 [scrapy.core.engine] DEBUG: Crawled (404) <GET http://hlphtml.su/robots.txt> (referer: None)
2020-02-01 22:21:09 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://hlphtml.su/site/page_1.html> (referer: None)
2020-02-01 22:21:09 [scrapy.core.engine] INFO: Closing spider (finished)
2020-02-01 22:21:09 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 444,
'downloader/request_count': 2,
'downloader/request_method_count/GET': 2,
'downloader/response_bytes': 6760,
'downloader/response_count': 2,
'downloader/response_status_count/200': 1,
'downloader/response_status_count/404': 1,
'elapsed_time_seconds': 0.121291,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2020, 2, 1, 19, 21, 9, 180903),
'log_count/DEBUG': 2,
'log_count/INFO': 10,
'memusage/max': 52948992,
'memusage/startup': 52948992,
'response_received_count': 2,
'robotstxt/request_count': 1,
'robotstxt/response_count': 1,
'robotstxt/response_status_count/404': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2020, 2, 1, 19, 21, 9, 59612)}
2020-02-01 22:21:09 [scrapy.core.engine] INFO: Spider closed (finished)
Ответ на вопрос
Возможно кому-то другому поможет. Нужно было в функции parser добавить return перед вызовом функции func1
def parser(self, response):
return self.func1(response)