如何获得刮擦失败的URL？

大佬教程收集整理的这篇文章主要介绍了如何获得刮擦失败的URL？，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决如何获得刮擦失败的URL？？

开发过程中遇到如何获得刮擦失败的URL？的问题如何解决？下面主要结合日常开发的经验，给出你关于如何获得刮擦失败的URL？的解决方法建议，希望对你解决如何获得刮擦失败的URL？有所启发或帮助；

是的，这是可能的。

• 下面的代码在Failed_urls基本SpIDer类中添加了一个列表，并在URL的响应状态为404时将uRL附加到该列表中（需要扩展此范围以涵盖其他错误状态）。
• 接下来，我添加了一个将列表连接到单个字符串中的句柄，并在关闭蜘蛛时将其添加到spIDer的统计信息中。
• 根据你的评论，可以跟踪扭曲的错误，下面的一些答案提供了有关如何处理特定用例的示例。
• 该代码已更新为可与Scrapy 1.8一起使用。所有这一切都要感谢Juliano MendIEta，因为我所做的只是添加他建议的编辑并确认spIDer是否按预期工作。
@H_675_15@

from scrapy import SpIDer, signals

class MySpIDer(SpIDer):
    handle_httpstatus_List = [404] 
    name = "myspIDer"
    allowed_domains = ["example.com"]
    start_urls = [
        'http://www.example.com/thisurlexists.HTML',
        'http://www.example.com/thisurldoesnotexist.HTML',
        'http://www.example.com/neitherdoesthisone.HTML'
    ]

    def __init__(self, *args, **kwargs):
            super().__init__(*args, **kwargs)
            self.Failed_urls = []

    @classmethod
    def from_crawler(cls, crawler, *args, **kwargs):
        spIDer = super(MySpIDer, cls).from_crawler(crawler, *args, **kwargs)
        crawler.signals.connect(spIDer.handle_spIDer_closed, signals.spIDer_closed)
        return spIDer

    def parse(self, responsE):
        if response.status == 404:
            self.crawler.stats.inc_value('Failed_url_count')
            self.Failed_urls.append(response.url)

    def handle_spIDer_closed(self, reason):
        self.crawler.stats.set_value('Failed_urls', ', '.join(self.Failed_urls))

    def process_exception(self, response, exception, spIDer):
        ex_class = "%s.%s" % (exception.__class__.__module__, exception.__class__.__name__)
        self.crawler.stats.inc_value('downloader/exception_count', spIDer=spIDer)
        self.crawler.stats.inc_value('downloader/exception_type_count/%s' % ex_class, spIDer=spIDer)

输出示例（请注意，仅当实际抛出异常时才会显示downloader / exception_count *统计信息-我在关闭无线适配器后尝试运行SpIDer来模拟它们）：

2012-12-10 11:15:26+0000 [myspIDer] INFO: DumPing Scrapy stats:
    {'downloader/exception_count': 15,
     'downloader/exception_type_count/twisted.internet.error.DNSLookupError': 15,
     'downloader/requesT_Bytes': 717,
     'downloader/request_count': 3,
     'downloader/request_method_count/GET': 3,
     'downloader/response_bytes': 15209,
     'downloader/response_count': 3,
     'downloader/response_status_count/200': 1,
     'downloader/response_status_count/404': 2,
     'Failed_url_count': 2,
     'Failed_urls': 'http://www.example.com/thisurldoesnotexist.HTML, http://www.example.com/neitherdoesthisone.HTML'
     'finish_reason': 'finished',
     'finish_time': datetiR_868_11845@e.datetiR_868_11845@e(2012, 12, 10, 11, 15, 26, 874000),
     'log_count/DEBUG': 9,
     'log_count/ERROR': 2,
     'log_count/INFO': 4,
     'response_received_count': 3,
     'scheduler/dequeued': 3,
     'scheduler/dequeued/memory': 3,
     'scheduler/enqueued': 3,
     'scheduler/enqueued/memory': 3,
     'spIDer_exceptions/nameError': 2,
     'start_time': datetiR_868_11845@e.datetiR_868_11845@e(2012, 12, 10, 11, 15, 26, 560000)}

解决方法

我是新手，我知道这是一个了不起的爬虫框架！

在我的项目中，我发送了90，000个请求，但其中一些失败。我将日志级别设置为INFO，我只是可以看到一些统计信息，但没有详细信息。

2012-12-05 21:03:04+0800 [pd_spider] INFO: Dumping spider stats:
{'downloader/exception_count': 1,'downloader/exception_type_count/twisted.internet.error.ConnectionDone': 1,'downloader/requesT_Bytes': 46282582,'downloader/request_count': 92383,'downloader/request_method_count/GET': 92383,'downloader/response_bytes': 123766459,'downloader/response_count': 92382,'downloader/response_status_count/200': 92382,'finish_reason': 'finished','finish_time': datetiR_868_11845@e.datetiR_868_11845@e(2012,12,5,13,3,4,836000),'item_scraped_count': 46191,'request_depth_max': 1,'scheduler/memory_enqueued': 92383,'start_time': datetiR_868_11845@e.datetiR_868_11845@e(2012,23,25,427000)}

有什么方法可以获取更详细的报告吗？例如，显示那些失败的URL。谢谢！

大佬总结

以上是大佬教程为你收集整理的如何获得刮擦失败的URL？全部内容，希望文章能够帮你解决如何获得刮擦失败的URL？所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。