爬虫蜘蛛Scrapy如何使用信号Signals API延迟信号处理程序？(69)python Scrapy教程1.51以上版本

Scrapy广泛使用信号来通知特定事件发生的时间。您可以在Scrapy项目中捕获一些这些信号（例如使用扩展名）来执行其他任务或扩展Scrapy以添加未提供的开箱即用的功能。

即使信号提供了几个参数，捕获它们的处理程序也不需要接受所有这些参数 – 信号调度机制只会传递处理程序接收的参数。

您可以通过Signals API连接信号（或发送您自己的 信号）。

这是一个简单的示例，展示了如何捕获信号并执行某些操作：

from scrapy import signals  from scrapy import Spider      class DmozSpider(Spider):      name = "dmoz"      allowed_domains = ["dmoz.org"]      start_urls = [          "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/",          "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/",      ]          @classmethod      def from_crawler(cls, crawler, *args, **kwargs):          spider = super(DmozSpider, cls).from_crawler(crawler, *args, **kwargs)          crawler.signals.connect(spider.spider_closed, signal=signals.spider_closed)          return spider          def spider_closed(self, spider):          spider.logger.info('Spider closed: %s', spider.name)          def parse(self, response):          pass

延迟信号处理程序

有些信号支持从处理程序返回Twisted延迟，请参阅下面的内置信号参考以了解哪些信号。

内置信号参考

这是Scrapy内置信号列表及其含义。

engine_started 

scrapy.signals.engine_started（）

Scrapy引擎开始爬网时发送。

此信号支持从其处理程序返回延迟。

注意

这个信号可能被解雇后的spider_opened信号，这取决于蜘蛛是如何开始。因此，不要依赖此信号之前被解雇spider_opened。

engine_stopped 

scrapy.signals.engine_stopped（）

Scrapy引擎停止时发送（例如，爬网过程完成时）。

此信号支持从其处理程序返回延迟。

item_scraped 

scrapy.signals.item_scraped（项目，响应，蜘蛛）

在物品已经通过所有物品管道阶段（未被丢弃）之后，在物品被刮除时发送 。

此信号支持从其处理程序返回延迟。

参数：	item（字典或Item对象） – 刮下的项目 蜘蛛（Spider物体） – 刮掉物品的蜘蛛 response（Responseobject） – 项目被刮取的响应

item_dropped 

scrapy.signals.item_dropped（项目，响应，异常，蜘蛛）

在某个阶段引发异常时，从项目管道中删除项目后发送DropItem。

此信号支持从其处理程序返回延迟。

参数：	item（字典或Item对象） – 从项目管道中删除的项目 蜘蛛（Spider物体） – 刮掉物品的蜘蛛 response（Responseobject） – 项目被删除的响应 exception（DropItemexception） – DropItem导致项被删除的异常（必须是 子类）

spider_closed 

scrapy.signals.spider_closed（蜘蛛，原因）

蜘蛛关闭后发送。这可用于释放保留的每蜘蛛资源spider_opened。

此信号支持从其处理程序返回延迟。

参数：	蜘蛛（Spider对象） – 已经关闭的蜘蛛 reason（str） – 描述蜘蛛关闭原因的字符串。如果由于蜘蛛完成刮擦而关闭，原因是'finished'。否则，如果通过调用close_spider引擎方法手动关闭了spider ，那么原因是在该reason方法的参数中传递的那个（默认为 'cancelled'）。如果引擎关闭（例如，通过按Ctrl-C来停止它），原因就是'shutdown'。

spider_opened 

scrapy.signals.spider_opened（蜘蛛）

在蜘蛛打开爬行后发送。这通常用于保留每个蜘蛛资源，但可用于打开蜘蛛时需要执行的任何任务。

此信号支持从其处理程序返回延迟。

参数：	蜘蛛（Spider对象） – 已经打开的蜘蛛

spider_idle 

scrapy.signals.spider_idle（蜘蛛）

当蜘蛛闲置时发送，这意味着蜘蛛没有进一步：

• 请求等待下载
• 请求预定
• 项目管道中正在处理的项目

如果在此信号的所有处理程序完成后空闲状态仍然存在，则引擎开始关闭蜘蛛。蜘蛛完成关闭后，spider_closed信号被发送。

您可以引发DontCloseSpider异常以防止蜘蛛被关闭。

此信号不支持从其处理程序返回延迟。

参数：	蜘蛛（Spider对象） – 已经空闲的蜘蛛

注意

在spider_idle处理程序中调度某些请求并 不能保证它可以阻止蜘蛛被关闭，尽管它有时可以。这是因为如果调度程序拒绝所有调度的请求（例如，由于重复而过滤），则蜘蛛可能仍然保持空闲。

spider_error 

scrapy.signals.spider_error（失败，回应，蜘蛛）

蜘蛛回调生成错误时发送（即引发异常）。

此信号不支持从其处理程序返回延迟。

参数：	failure（Failure对象） – 作为Twisted Failure对象引发的异常 response（Responseobject） – 引发异常时正在处理的响应 spider（Spiderobject） – 引发异常的蜘蛛

request_scheduled 

scrapy.signals.request_scheduled（请求，蜘蛛）

在引擎安排时发送Request，稍后再下载。

该信号不支持从其处理程序返回延迟。

参数：	request（Requestobject） – 到达调度程序的请求 spider（Spiderobject） – 产生请求的蜘蛛

request_dropped 

scrapy.signals.request_dropped（请求，蜘蛛）

当Request稍后要下载的引擎调度的a 被调度程序拒绝时发送。

该信号不支持从其处理程序返回延迟。

参数：	request（Requestobject） – 到达调度程序的请求 spider（Spiderobject） – 产生请求的蜘蛛

response_received 

scrapy.signals.response_received（响应，请求，蜘蛛）

当引擎Response从下载程序收到新内容时发送。

此信号不支持从其处理程序返回延迟。

参数：	响应（Response对象） – 收到的响应 request（Requestobject） – 生成响应的请求 spider（Spiderobject） – 响应所针对的蜘蛛

response_downloaded 

scrapy.signals.response_downloaded（响应，请求，蜘蛛）

下载后立即由下载程序发送HTTPResponse。

此信号不支持从其处理程序返回延迟。

参数：	响应（Response对象） – 下载的响应 request（Requestobject） – 生成响应的请求 spider（Spiderobject） – 响应所针对的蜘蛛