scrapy-redis
vil altid vente på, at nye url'er bliver skubbet i redis-køen. Når køen er tom, går edderkoppen i tomgang tilstand og venter nye urls. Det var det, jeg plejede at lukke min edderkop, når køen er tom.
Når edderkoppen er i tomgang (når den ikke gør noget), tjekker jeg om der stadig er noget tilbage i redis-køen. Hvis ikke, lukker jeg edderkoppen med close_spider
. Følgende kode er placeret i spider
klasse:
@classmethod
def from_crawler(cls, crawler, *args, **kwargs):
from_crawler = super(SerpSpider, cls).from_crawler
spider = from_crawler(crawler, *args, **kwargs)
crawler.signals.connect(spider.idle, signal=scrapy.signals.spider_idle)
return spider
def idle(self):
if self.q.llen(self.redis_key) <= 0:
self.crawler.engine.close_spider(self, reason='finished')