使用带有参数的 Scrapyd答案

【问题标题】：Use Scrapyd with arguments使用带有参数的 Scrapyd
【发布时间】：2016-03-10 10:04:27
【问题描述】：

我正在使用 Scrapyd 将 scrapy 用作 web 服务。

我想使用带有如下参数的 curl 命令：

curl http://myip:6800/schedule.json -d project=default -d spider=myspider -d domain=www.google.fr

但是我不知道如何在爬虫中获取参数域。

import scrapy
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor

class MyItem(Item):
    url = Field()

class HttpbinSpider(CrawlSpider):

    name = "expired"
    start_urls = [domain]

有时我需要在参数中传递一个域或多个域。

谢谢！

【问题讨论】：

标签： python web-scraping scrapy scrapyd

【解决方案1】：

由于scrapy中缺少功能，这是不可能的。

用户通常通过序列化 curl 的参数来解决这个问题然后在蜘蛛的 init() 中反序列化。

curl http://myip:6800/schedule.json -d project=default -d spider=myspider -d domains='["www1.example.com", "www2.example.com"]'

代码：

class MySpider(Spider):
    def __init__(self, domains=None):
        domains = json.loads(domains)
        # do something with domains...

【讨论】：

【解决方案2】：

class YourSpider(scrapy.Spider):
    def __int__(self, *args, **kwargs):
        super(YourSpider, self).__init__(*args, **kwargs)

curl http://localhost:6800/schedule.json -d project=myproject -d spider=somespider -d setting=DOWNLOAD_DELAY=2 -d arg1=val1

输入：print(spider.arg1)，输出：val1

【讨论】：