Question

我使用twisted及其deferredGenerator编写一个爬虫。以下是关于我的问题的代码：

      @defer.deferredGenerator
      def getReviewsFromPage(self,title,params):

          def deferred1(page):
              d = defer.Deferred()
              reactor.callLater(1,d.callback,self.parseReviewJson(page))
              return d

          def deferred2(dataL,title):
              d = defer.Deferred()
              reactor.callLater(1,d.callback,self.writeToCSV(dataL,title=title))
              return d

          cp = 1
          #for cp in range(1,15000):
          while self.running:
              print cp
              params["currentPageNum"] = cp

              url = self.generateReviewUrl(self.urlPrefix,params = params)
              print url

              wfd = defer.waitForDeferred(getPage(url,timeout=10))
              yield wfd
              page = wfd.getResult()
              wfd = defer.waitForDeferred(deferred1(page))
              yield wfd
              dataList = wfd.getResult()
              wfd = defer.waitForDeferred(deferred2(dataList,title))
              yield wfd
              cp = cp+1

我使用发电机

    self.getReviewsFromPage(title,params)
    reactor.run()

我的问题是：当函数'getPage'获得超时错误时，我该怎么做才能处理错误并再次抓取错误页面？我向getPage添加了一个addErrback并想要调用getPage，但似乎当reactor运行时，它将不再接收新事件。

你们有没有发生过同样的问题？我非常感谢你的帮助

Answer 1

似乎当reactor正在运行时，它将不再接收新事件。

事实并非如此。当反应堆运行时发生仅事件！

您没有共享使用addErrback的代码版本，因此无法查看您使用它的方式是否存在问题。但是，由于您已经在使用deferredGenerator，因此更惯用的方法是：

page = None
for i in range(numRetries):
    wfd = defer.waitForDeferred(getPage(url,timeout=10))
    yield wfd
    try:
        page = wfd.getResult()
    except TimeoutError:
        # Do nothing, let the loop continue
        pass
    else:
        # Success, exit the loop
        break
if page is None:
    # Handle the timeout for real
    ...
else:
    # Continue processing
    ...

使用twisted的Crawler，当getPage出现超时错误时，我该怎么办？

1 个答案: