关于scrapy-redis

关于自动关闭爬虫

目前方式：在spider中改写spider_idle，查看start_urls中队列是否为空白，连续**次均为空，则关闭爬虫

    def spider_idle(self):
        """
        设置爬虫自动关闭
        """

        # 判断信号，如果close_signal为True， 直接关闭spider
        if self.close_signal:
            raise CloseSpider

        # 获取队列/set中剩余任务数量
        length_of_start_urls = self.server.scard(self.redis_key) if self.use_set else self.server.llen(self.redis_key)

        if length_of_start_urls == 0:
            self.idle_number += 1  # 队列中无任务， 闲置次数加一
        else:
            self.idle_number = 0  # 队列中有任务， 则归零

        if self.idle_number > self.close_idle_number:  # 连续闲置次数超过阈值，则关闭spider
            raise CloseSpider
        else:
            self.schedule_next_requests()
            raise DontCloseSpider

关于替换redis为rediscluster

方式一：使用scrapy-rediscluster库替换scrapy-redis
方式二：自定义redis连接函数

REDIS_PARAMS = dict()                                          # 自定义redis配置

# 替换默认redis连接库，修改成自定义的redis-cluster连接
REDIS_PARAMS['redis_cls'] = '{myproject}.redis_client.redis_client'            # 连接函数对应路径
REDIS_PARAMS['REDIS_HOST'] = '*.*.*.*'                                         # REDIS_HOST
REDIS_PARAMS['REDIS_PORT'] = '****'                                            # REDIS_PORT
REDIS_PARAMS['REDIS_PASS'] = 'password'                                        # REDIS密码

连接函数

from rediscluster import StrictRedisCluster
import traceback


def redis_client(**params):
    try:
        rds = StrictRedisCluster(startup_nodes=[{"host": params['REDIS_HOST'], "port": params['REDIS_PORT']}],
                                 password=params['REDIS_PASS'])
        return rds
    except:
        traceback.print_exc()

附上scrapy-redis中redis连接部分源码

  SETTINGS_PARAMS_MAP = {
    'REDIS_URL': 'url',
    'REDIS_HOST': 'host',
    'REDIS_PORT': 'port',
    'REDIS_ENCODING': 'encoding',
}


def get_redis_from_settings(settings):
    params = defaults.REDIS_PARAMS.copy()                  # 导入默认参数
    params.update(settings.getdict('REDIS_PARAMS'))        # 如果settings中自定义了REDIS_PARAMS，则覆盖默认参数
    # XXX: Deprecate REDIS_* settings.
    for source, dest in SETTINGS_PARAMS_MAP.items():
        val = settings.get(source)
        if val:
            params[dest] = val

    # Allow ``redis_cls`` to be a path to a class.
    if isinstance(params.get('redis_cls'), six.string_types):
        params['redis_cls'] = load_object(params['redis_cls'])    # 导入redis连接模块，如果有自定义，则导入我们自定义的链接函数

    return get_redis(**params)


# Backwards compatible alias.
from_settings = get_redis_from_settings


def get_redis(**kwargs):
    redis_cls = kwargs.pop('redis_cls', defaults.REDIS_CLS)
    url = kwargs.pop('url', None)
    # 返回redis实例，这里可以看出，参数我们也可以自定义
    if url:
        return redis_cls.from_url(url, **kwargs)
    else:
        return redis_cls(**kwargs)