python - 不要等待文件用 Scrapy 下载

Question

我有一个项目管道，它从项目中获取一个 url 并下载它。问题是我有另一个管道，我在其中手动检查这个文件并添加一些关于它的信息。我真的需要在下载文件之前完成它。

class VideoCommentPipeline(object):

    def process_item(self, item, spider):
        os.system("vlc -vvv %s > /dev/null 2>&1 &" % item['file'])
        item['comment'] = raw_input('Your comment:')
        return item

class VideoDownloadPipeline(object):

    def process_item(self, item, spider):
        video_basename = item['file'].split('/')[-1]
        new_filename = os.path.join(VIDEOS_DIR, video_basename)
        downloaded = False
        for i in range(5):
            try:
                video = urllib2.urlopen(item['file']).read()
                downloaded = True
                break
            except:
                continue
        if not downloaded:
            raise DropItem("Couldn't download file from %s" % item)
        f = open(new_filename, 'wb')
        f.write(video)
        f.close()
        item['file'] = video_basename
        return item

但现在我总是不得不等待另一个项目，因为尚未下载上一个项目的文件。我宁愿检查所有项目，然后全部下载。我该怎么做？

Answer 1

Scrapy 提供 media pipeline可以在这里用于您的目的。它没有很好的记录，但它存在并且可以使用，至少在最近的 scrapy 版本中是这样。要了解它的工作原理，您需要阅读代码，IMO 非常直观。你可以查看image pipeline了解媒体管道如何工作的界面。

要在下载之前检查每个视频，您可以写类似这样的内容(您需要将其与您的项目字段名称相匹配)

from scrapy.contrib.pipeline.media import MediaPipeline

class VideoPipeline(MediaPipeline):
    VIDEOS_DIR = "/stack/scrapy/video/video/store"

    def get_media_requests(self, item, info):
        """
        Evaluate file and, if you like it, download it.
        """
        os.system("vlc -vvv %s > /dev/null 2>&1 &" % item['video_url'][0])
        your_opinion = raw_input("how does it look?")
        item["comment"] = your_opinion
        if your_opinion == "hot":
            # issue request download video
            return Request(item["video_url"][0], meta={"item":item})

    def media_downloaded(self, response, request, info):
        """
        File is downloaded available as response.body save it.
        """
        item = response.meta.get("item")
        video = response.body
        video_basename = item['title'][0]
        new_filename = os.path.join(self.VIDEOS_DIR, video_basename)
        f = open(new_filename, 'wb')
        f.write(video)
        f.close()