Question

我有一个项目管道，它从项目中获取一个url并下载它。问题是我有另一个管道，我在其中手动检查此文件并添加一些有关它的信息。在下载文件之前我真的需要这样做。

class VideoCommentPipeline(object):

    def process_item(self, item, spider):
        os.system("vlc -vvv %s > /dev/null 2>&1 &" % item['file'])
        item['comment'] = raw_input('Your comment:')
        return item

class VideoDownloadPipeline(object):

    def process_item(self, item, spider):
        video_basename = item['file'].split('/')[-1]
        new_filename = os.path.join(VIDEOS_DIR, video_basename)
        downloaded = False
        for i in range(5):
            try:
                video = urllib2.urlopen(item['file']).read()
                downloaded = True
                break
            except:
                continue
        if not downloaded:
            raise DropItem("Couldn't download file from %s" % item)
        f = open(new_filename, 'wb')
        f.write(video)
        f.close()
        item['file'] = video_basename
        return item

但是现在我总是要等待另一个项目，因为之前项目的文件还没有下载。我宁愿检查所有项目，然后将其全部下载。我怎么能这样做？

Answer 1

Scrapy提供media pipeline，可在此处用于您的目的。它没有很好地记录，但它存在并且可以使用，至少在最近的scrapy版本中。要了解它是如何工作的，你需要阅读代码，这是非常直观的IMO。您可以查看image pipeline界面以了解媒体管道的工作原理。

要在下载之前检查每个视频，您可以写一些类似的内容（您需要将其与您的项目字段名称相匹配）

from scrapy.contrib.pipeline.media import MediaPipeline

class VideoPipeline(MediaPipeline):
    VIDEOS_DIR = "/stack/scrapy/video/video/store"

    def get_media_requests(self, item, info):
        """
        Evaluate file and, if you like it, download it.
        """
        os.system("vlc -vvv %s > /dev/null 2>&1 &" % item['video_url'][0])
        your_opinion = raw_input("how does it look?")
        item["comment"] = your_opinion
        if your_opinion == "hot":
            # issue request download video
            return Request(item["video_url"][0], meta={"item":item})

    def media_downloaded(self, response, request, info):
        """
        File is downloaded available as response.body save it.
        """
        item = response.meta.get("item")
        video = response.body
        video_basename = item['title'][0]
        new_filename = os.path.join(self.VIDEOS_DIR, video_basename)
        f = open(new_filename, 'wb')
        f.write(video)
        f.close()

不要等待Scrapy下载文件

1 个答案: