Question

我在域列表上运行Scrapy，很多页面都收到此错误： Couldn't bind: 24: Too many open files.

我的linux机器上没有出现此错误，但我现在正在Mac上使用它。我不确定这是否与在Sierra上运行有关，或者我是否遗漏了Scrapy配置。我检查了ulimit并返回unlimited，所以我不会认为就是这样。

如果它与我的蜘蛛有关，这就是：

class JakeSpider(CrawlSpider):
    name = 'jake'
    allowed_domains = allowedDomains
    start_urls = startUrls
    rules = (
        Rule(LinkExtractor(), callback='parse_page', follow=True),
    )


    def parse_page(self, response):
        page = response.url
        domain = urlparse(page).netloc
        domain = domain.replace('www.','')
        #print(domain, 'is domain and page is', page)
        linksToGet = getHotelUrlsForDomain(domain)
        #if(len(linksToGet) == 0):
        #    print('\n ... links to get was zero \n')
        #print('linksToGet = ', linksToGet)
        links = response.xpath('//a/@href').extract()
        for link in links:
            if link in linksToGet:
                print('\n\n\n   found one! ', link, 'is on', domain, ' and the page is', page,'\n\n\n')
                with open('hotelBacklinks.csv', 'a') as csvfile:
                    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
                    writer.writerow({'hotelURL':link, 'targetDomain': domain})

编辑：这是其中一个的完整错误行。它不会导致刮擦崩溃，但是有很多这样的行，所以我认为我没有得到尽可能多的页面。错误行： 2017-09-24 14:21:29 [scrapy.core.scraper] ERROR: Error downloading <GET https://alabamatheatre.com/>: Couldn't bind: 24: Too many open files.

提前感谢任何提示。

Answer 1

您应该使用pipeline来保存所有已删除的数据。
您遇到此错误，因为您有许多调用函数parse_page。每个函数都尝试打开并写入同一个文件。写入文件是块操作这是Scrapy https://doc.scrapy.org/en/latest/topics/item-pipeline.html

Scrapy错误：无法绑定：24：打开的文件太多

1 个答案: