Question

我在一个项目中有多个蜘蛛，问题是我现在在SETTINGS中定义 LOG_FILE ，如

LOG_FILE = "scrapy_%s.log" % datetime.now()

我想要的是scrapy_SPIDERNAME_DATETIME

但我无法在log_file名称中提供spidername。

我找到了

scrapy.log.start(logfile=None, loglevel=None, logstdout=None)

并在每个蜘蛛 init 方法中调用它，但它不起作用..

任何帮助将不胜感激

Answer 1

蜘蛛的__init__()不足以自行调用log.start()，因为日志观察者已经在此时启动了;因此，您需要重新初始化日志状态以欺骗Scrapy（重新）启动它。

在你的蜘蛛类文件中：

from datetime import datetime
from scrapy import log
from scrapy.spider import BaseSpider

class ExampleSpider(BaseSpider):
    name = "example"
    allowed_domains = ["example.com"]
    start_urls = ["http://www.example.com/"]

    def __init__(self, name=None, **kwargs):
        LOG_FILE = "scrapy_%s_%s.log" % (self.name, datetime.now())
        # remove the current log
        # log.log.removeObserver(log.log.theLogPublisher.observers[0])
        # re-create the default Twisted observer which Scrapy checks
        log.log.defaultObserver = log.log.DefaultObserver()
        # start the default observer so it can be stopped
        log.log.defaultObserver.start()
        # trick Scrapy into thinking logging has not started
        log.started = False
        # start the new log file observer
        log.start(LOG_FILE)
        # continue with the normal spider init
        super(ExampleSpider, self).__init__(name, **kwargs)

    def parse(self, response):
        ...

输出文件可能如下所示：

scrapy_example_2012-08-25 12:34:48.823896.log

Answer 2

您的settings.py中应该有a BOT_NAME。这是项目/蜘蛛名称。所以在你的情况下，这将是

LOG_FILE = "scrapy_%s_%s.log" % (BOT_NAME, datetime.now())

这与Scrapy internally

几乎相同

但为什么不使用log.msg。文档明确指出这是针对蜘蛛特定的东西。使用它可能更容易，只需从大日志文件中提取/ grep / ...不同的蜘蛛日志消息。

更复杂的方法是获取蜘蛛SPIDER_MODULES列表的位置，并将所有蜘蛛加载到这些包中。

Answer 3

您可以在settings.py文件中使用Scrapy的 Storage URI parameters 获取 FEED URI 。

％（name）s
％（时间）类

例如：/ tmp / crawled /％（name）s /％（time）s.log

scrapy日志问题

3 个答案: