信号(Signals)

Scrapy使用信号来通知事情发生。您可以在您的Scrapy项目中捕捉一些信号(使用 extension)来完成额外的工作或添加额外的功能,扩展Scrapy。

虽然信号提供了一些参数,不过处理函数不用接收所有的参数 - 信号分发机制(singal dispatching mechanism)仅仅提供处理器(handler)接受的参数。

您可以通过 信号(Signals) API 来连接(或发送您自己的)信号。

延迟的信号处理器(Deferred signal handlers)

有些信号支持从处理器返回 Twisted deferreds ,参考下边的 内置信号参考手册(Built-in signals reference) 来了解哪些支持。

内置信号参考手册(Built-in signals reference)

以下给出Scrapy内置信号的列表及其意义。

engine_started

scrapy.signals.engine_started()

当Scrapy引擎启动爬取时发送该信号。

该信号支持返回deferreds。

注解

该信号可能会在信号 spider_opened 之后被发送,取决于spider的启动方式。 所以不要 依赖 该信号会比 spider-opened 更早被发送。

engine_stopped

scrapy.signals.engine_stopped()

当Scrapy引擎停止时发送该信号(例如,爬取结束)。

该信号支持返回deferreds。

item_scraped

scrapy.signals.item_scraped(item, response, spider)

当item被爬取,并通过所有 Item Pipeline 后(没有被丢弃(dropped),发送该信号。

该信号支持返回deferreds。

参数:
  • item (dict 或 Item 对象) – 爬取到的item
  • spider (Spider 对象) – 爬取item的spider
  • response (Response 对象) – 提取item的response

item_dropped

scrapy.signals.item_dropped(item, exception, spider)

当item通过 Item Pipeline ,有些pipeline抛出 DropItem 异常,丢弃item时,该信号被发送。

该信号支持返回deferreds。

参数:
  • item (dict 或 Item 对象) – Item Pipeline 丢弃的item
  • spider (Spider 对象) – 爬取item的spider
  • exception (DropItem 异常) – 导致item被丢弃的异常(必须是 DropItem 的子类)

spider_closed

scrapy.signals.spider_closed(spider, reason)

当某个spider被关闭时,该信号被发送。该信号可以用来释放每个spider在 spider_opened 时占用的资源。

该信号支持返回deferreds。

参数:
  • spider (Spider 对象) – 关闭的spider
  • reason (str) – 描述spider被关闭的原因的字符串。如果spider是由于完成爬取而被关闭,则其为 'finished' 。否则,如果spider是被引擎的 close_spider 方法所关闭,则其为调用该方法时传入的 reason 参数(默认为 'cancelled')。如果引擎被关闭(例如, 输入Ctrl-C),则其为 'shutdown'

spider_opened

scrapy.signals.spider_opened(spider)

当spider开始爬取时发送该信号。该信号一般用来分配spider的资源,不过其也能做任何事。

该信号支持返回deferreds。

参数:spider (Spider 对象) – 开启的spider

spider_idle

scrapy.signals.spider_idle(spider)

当spider进入空闲(idle)状态时该信号被发送。空闲意味着:

  • requests正在等待被下载
  • requests被调度
  • items正在item pipeline中被处理

当该信号的所有处理器(handler)被调用后,如果spider仍然保持空闲状态, 引擎将会关闭该spider。当spider被关闭后, spider_closed 信号将被发送。

您可以,比如,在 spider_idle 处理器中调度某些请求来避免spider被关闭。

该信号 不支持 返回deferreds。

参数:spider (Spider 对象) – 空闲的spider

spider_error

scrapy.signals.spider_error(failure, response, spider)

当spider的回调函数产生错误时(例如,抛出异常),该信号被发送。

参数:
  • failure (Failure 对象) – 以Twisted Failure 对象抛出的异常
  • response (Response 对象) – 当异常被抛出时被处理的response
  • spider (Spider 对象) – 抛出异常的spider

request_scheduled

scrapy.signals.request_scheduled(request, spider)

当引擎调度一个 Request 对象用于下载时,该信号被发送。

该信号 不支持 返回deferreds。

参数:
  • request (Request 对象) – 到达调度器的request
  • spider (Spider 对象) – 产生该request的spider

response_received

scrapy.signals.response_received(response, request, spider)

当引擎从downloader获取到一个新的 Response 时发送该信号。

该信号 不支持 返回deferreds。

参数:
  • response (Response 对象) – 接收到的response
  • request (Request 对象) – 生成response的request
  • spider (Spider 对象) – response所对应的spider

response_downloaded

scrapy.signals.response_downloaded(response, request, spider)

当一个 HTTPResponse 被下载时,由downloader发送该信号。

该信号 不支持 返回deferreds。

参数:
  • response (Response 对象) – 下载的response
  • request (Request 对象) – 生成response的request
  • spider (Spider 对象) – response所对应的spider

讨论