信号

译者：OSGeo 中国

Scrapy广泛使用信号来通知某些事件何时发生。你可以在你的垃圾项目中捕捉到这些信号（使用 extension 例如）执行其他任务或扩展scrapy以添加框外未提供的功能。

即使信号提供了几个参数，捕获它们的处理程序也不需要接受所有参数——信号调度机制只传递处理程序接收的参数。

您可以通过 信号API .

下面是一个简单的示例，演示如何捕获信号并执行某些操作：：：

from scrapy import signals
from scrapy import Spider
class DmozSpider(Spider):
    name = "dmoz"
    allowed_domains = ["dmoz.org"]
    start_urls = [
        "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/",
        "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/",
    ]
    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        spider = super(DmozSpider, cls).from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spider.spider_closed, signal=signals.spider_closed)
        return spider
    def spider_closed(self, spider):
        spider.logger.info('Spider closed: %s', spider.name)
    def parse(self, response):
        pass

延迟信号处理程序

一些信号支持返回 Twisted deferreds from their handlers, see the 内置信号参考 下面是要知道哪些。

内置信号参考

这是一个零碎的内置信号列表及其含义。

engine_started

scrapy.signals.engine_started()

当废引擎开始爬行时发送。

此信号支持从其处理程序返回延迟。

注解

此信号可能被触发 after 这个 spider_opened 信号，取决于 Spider 是如何启动的。所以 don’t 依靠这个信号 spider_opened .

engine_stopped

scrapy.signals.engine_stopped()

在 Scrapy 引擎停止时发送（例如，当爬行过程完成时）。

此信号支持从其处理程序返回延迟。

item_scraped

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

当一个项目被刮掉时发送，当它通过所有 项目管道 阶段（不下降）。

此信号支持从其处理程序返回延迟。

| 参数: |

• item (dict or Item object) — 物品被刮掉了
• spider (Spider object) — 刮掉物品的 Spider
• response (Response object) — 从项目被刮掉的地方得到的响应 | | | —- |

item_dropped

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

从中删除项目后发送 项目管道 当某个阶段 DropItem 例外。

此信号支持从其处理程序返回延迟。

| 参数: |

• item (dict or Item object) — 从中删除的项 项目管道
• spider (Spider object) — 刮掉物品的 Spider
• response (Response object) — 从中删除项的响应
• exception (DropItem exception) — 例外情况（必须是 DropItem 子类）导致该项被删除 | | | —- |

item_error

scrapy.signals.item_error(item, response, spider, failure)

发送时 项目管道 生成错误（即引发异常），除非 DropItem 例外。

此信号支持从其处理程序返回延迟。

| 参数: |

• item (dict or Item object) — 从中删除的项 项目管道
• response (Response object) — 引发异常时正在处理的响应
• spider (Spider object) — 引发异常的 Spider
• failure (Failure object) — 以扭曲方式引发的异常 Failure 对象 | | | —- |

spider_closed

scrapy.signals.spider_closed(spider, reason)

在 Spider 关闭后发送。这可用于释放在上保留的每个 Spider 资源 spider_opened .

此信号支持从其处理程序返回延迟。

| 参数: |

• spider (Spider object) — 已关闭的 Spider
• reason (str) — 描述 Spider 关闭原因的字符串。如果它是因为 Spider 完成了抓取而关闭的，原因是 'finished' . 否则，如果通过调用 close_spider 引擎方法，则原因是 reason 该方法的参数（默认为 'cancelled' ）如果发动机停机（例如，按ctrl-c停止发动机），原因将是 'shutdown' . | | | —- |

spider_opened

scrapy.signals.spider_opened(spider)

在 Spider 被打开爬行后发送。这通常用于为每个 Spider 保留资源，但可用于打开 Spider 时需要执行的任何任务。

此信号支持从其处理程序返回延迟。

spider_idle

scrapy.signals.spider_idle(spider)

当 Spider 空闲时发送，这意味着 Spider 没有更多：

• 等待下载的请求
• 计划的请求
• 正在项管道中处理的项

如果此信号的所有处理程序完成后空闲状态仍然存在，则引擎将开始关闭 Spider 。 Spider 完成闭合后， spider_closed 发送信号。

你可以举起 DontCloseSpider 防止 Spider 关闭的异常。

此信号不支持从其处理程序返回延迟。

注解

在您的 spider_idle 处理程序 not 确保它可以防止 Spider 被关闭，尽管有时可以。这是因为如果计划程序拒绝了所有计划的请求（例如，由于重复而被筛选），那么spider可能仍然处于空闲状态。

spider_error

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

在spider回调生成错误（即引发异常）时发送。

此信号不支持从其处理程序返回延迟。

| 参数: |

• failure (Failure object) — 以扭曲方式引发的异常 Failure 对象
• response (Response object) — 引发异常时正在处理的响应
• spider (Spider object) — 引发异常的 Spider | | | —- |

request_scheduled

scrapy.signals.request_scheduled(request, spider)

在发动机排程A时发送 Request ，稍后下载。

该信号不支持从其处理程序返回延迟。

| 参数: |

• request (Request object) — 到达调度程序的请求
• spider (Spider object) — 发出请求的 Spider | | | —- |

request_dropped

scrapy.signals.request_dropped(request, spider)

发送时 Request 由引擎计划稍后下载的，被调度程序拒绝。

该信号不支持从其处理程序返回延迟。

| 参数: |

• request (Request object) — 到达调度程序的请求
• spider (Spider object) — 发出请求的 Spider | | | —- |

request_reached_downloader

scrapy.signals.request_reached_downloader(request, spider)

发送时 Request 已到达下载程序。

该信号不支持从其处理程序返回延迟。

| 参数: |

• request (Request object) — 到达下载程序的请求
• spider (Spider object) — 发出请求的 Spider | | | —- |

response_received

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

当发动机接收到新的 Response 从下载程序。

此信号不支持从其处理程序返回延迟。

| 参数: |

• response (Response object) — 收到的响应
• request (Request object) — 生成响应的请求
• spider (Spider object) — 响应所针对的 Spider | | | —- |

response_downloaded

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

由下载者在 HTTPResponse 是下载的。

此信号不支持从其处理程序返回延迟。

| 参数: |

• response (Response object) — 已下载响应
• request (Request object) — 生成响应的请求
• spider (Spider object) — 响应所针对的 Spider | | | —- |