将scrapy日志输出流式传输到websocket

Question

我正在尝试构建一个 API，该 API 将在通过 websocket 消息请求时运行 Scrapy 网络蜘蛛。

我想将日志输出转发到 websocket 客户端，这样您就可以看到 - 有时运行很长时间 - 进程中发生了什么。完成后，我也会发送抓取的结果。

因为可以在进程内运行 Scrapy，所以我想这样做。我在这里找到了一个将外部进程流式传输到 websocket 的解决方案，但如果可以在服务器内部运行 Scrapy，这似乎不正确。

https://tomforb.es/displaying-a-processes-output-on-a-web-page-with-websockets-and-python

我可以想象有两种方法可以在 Twisted 中完成这项工作：以某种方式使用 LogObserver，或者定义一个 LogHandler（可能是带有 StringIO 的 StreamHandler），然后在 Twisted 中使用 autobahn.websocket 类（如 WebSocketServerProtocol）以某种方式处理 Stream。

现在我很困惑，不知道如何连接两端。

有人可以提供一个简短的示例，如何将来自扭曲日志的日志输出（如果可能，避免使用文件）流式传输到 websocket 客户端吗？

Answer 1

我设法自己解决了这个问题，想告诉你我是怎么做到的：

基本想法是有一个进程被远程调用并将流式日志输出到客户端，通常是浏览器。

我没有自己构建所有令人讨厌的细节，而是决定使用autobahn.ws 和crossbar.io，通过Wamp protocol 提供pubsub 和rpc，这基本上只是websockets 上的JSON——正是我计划构建的，只是更高级！

这是一个非常基本的例子：

from twisted.internet.defer import inlineCallbacks

from autobahn.twisted.wamp import ApplicationSession
from example.spiders.basic_spider import BasicSpider
from scrapy.crawler import CrawlerRunner
from scrapy.utils.log import configure_logging
from scrapy.utils.project import get_project_settings

import logging

class PublishLogToSessionHandler(logging.Handler):
    def __init__(self, session, channel):
        logging.Handler.__init__(self)
        self.session = session
        self.channel = channel

    def emit(self, record):
        self.session.publish(self.channel, record.getMessage())


class AppSession(ApplicationSession):

    configure_logging(install_root_handler=False)

    @inlineCallbacks
    def onJoin(self, details):
        logging.root.addHandler(PublishLogToSessionHandler(self, 'com.example.crawler.log'))

        # REGISTER a procedure for remote calling
        def crawl(domain):
            runner = CrawlerRunner(get_project_settings())
            runner.crawl("basic", domain=domain)
            return "Running..."

        yield self.register(crawl, 'com.example.crawler.crawl')