我正在使用 Scrapyd 将 scrapy 用作网络服务。
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
但是我不知道如何获取爬虫中的参数域。
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!
最佳答案
由于 scrapy 中缺少一个特性,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...
关于python - 使用带参数的 Scrapyd,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35913285/