Question

我正在尝试构建一个API，当通过websocket消息请求时，它将运行Scrapy Web蜘蛛。

我想将日志记录输出转发到websocket客户端，这样您就可以看到 - 有时是长时间运行的 - 进程中发生了什么。完成后，我也会发送删除的结果。

由于可以在进程中运行Scrapy，我想这样做。我发现了一个解决方案，可以将外部进程流式传输到websocket，但如果可以在服务器中运行Scrapy，那么这似乎不正确。

https://tomforb.es/displaying-a-processes-output-on-a-web-page-with-websockets-and-python

有两种方法可以让我在Twisted中使用它：以某种方式使用LogObserver，或者定义一个LogHandler（可能是带有StringIO的StreamHandler），然后在Twisted中使用autobahn.websocket类（如WebSocketServerProtocol）以某种方式处理Stream。

现在我陷入困境，不知道如何连接两端。

有人可以提供一个简短的例子，说明如何将扭曲日志记录输出（尽可能避免文件）传输到websocket客户端吗？

Answer 1

我设法以某种方式解决了这个问题，并想让你知道我是怎么做到的：

基本思想是让一个进程远程调用并将流日志输出到客户端，通常是浏览器。

我自己决定使用autobahn.ws和crossbar.io，而不是自己构建所有讨厌的细节，通过Wamp protocol提供pubsub和rpc，这实际上只是websockets上的JSON - 恰好是什么我本来打算建造，更方便！

这是一个非常基本的例子：

from twisted.internet.defer import inlineCallbacks

from autobahn.twisted.wamp import ApplicationSession
from example.spiders.basic_spider import BasicSpider
from scrapy.crawler import CrawlerRunner
from scrapy.utils.log import configure_logging
from scrapy.utils.project import get_project_settings

import logging

class PublishLogToSessionHandler(logging.Handler):
        def __init__(self, session, channel):
            logging.Handler.__init__(self)
            self.session = session
            self.channel = channel

        def emit(self, record):
            self.session.publish(self.channel, record.getMessage())

    class AppSession(ApplicationSession):

        configure_logging(install_root_handler=False)

        @inlineCallbacks
        def onJoin(self, details):
            logging.root.addHandler(PublishLogToSessionHandler(self, 'com.example.crawler.log'))

            # REGISTER a procedure for remote calling
            def crawl(domain):
                runner = CrawlerRunner(get_project_settings())
                runner.crawl("basic", domain=domain)
                return "Running..."

            yield self.register(crawl, 'com.example.crawler.crawl')

将scrapy日志输出流式传输到websocket

1 个答案: