UPD : 不是很接近的问题,因为我认为我的方式并不像应该的那么清楚
是否可以获取当前请求 + 响应 + 下载时间以将其保存到 Item?
在“普通” python 我做
start_time = time()
urllib2.urlopen('http://example.com').read()
time() - start_time
但是我怎么能用 Scrapy 做到这一点呢?
UPD :
解决方案对我来说足够了,但我不确定结果的质量。如果您有许多连接超时错误
Download time
可能是错误的(甚至 DOWNLOAD_TIMEOUT * 3)为了
设置.py
DOWNLOADER_MIDDLEWARES = {
'myscraper.middlewares.DownloadTimer': 0,
}
中间件.py
from time import time
from scrapy.http import Response
class DownloadTimer(object):
def process_request(self, request, spider):
request.meta['__start_time'] = time()
# this not block middlewares which are has greater number then this
return None
def process_response(self, request, response, spider):
request.meta['__end_time'] = time()
return response # return response coz we should
def process_exception(self, request, exception, spider):
request.meta['__end_time'] = time()
return Response(
url=request.url,
status=110,
request=request)
在
def parse(...
中的 spider.py 中log.msg('Download time: %.2f - %.2f = %.2f' % (
response.meta['__end_time'], response.meta['__start_time'],
response.meta['__end_time'] - response.meta['__start_time']
), level=log.DEBUG)
最佳答案
你可以写一个 Downloader Middleware这将计时每个请求。它会在请求发出之前为请求添加一个开始时间,然后在请求完成时添加一个完成时间。通常,诸如此类的任意数据存储在 Request.meta 中。属性。此时间信息稍后可以由您的蜘蛛读取并添加到您的项目中。
这个下载器中间件听起来对很多项目都有用。
关于Scrapy 请求+响应+下载时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15831955/