scrapy_redis 解决空跑问题,自动关闭爬虫

最新推荐文章于 2025-07-07 10:14:45 发布

原创

最新推荐文章于 2025-07-07 10:14:45 发布 · 置顶 · 2.4k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #scrapy_redis #信号

当使用scrapy_redis框架时，如果没有requests，爬虫会阻塞等待，无法自动结束。通过监听`spider_idle`信号并在指定时间后判断仍无任务，则可发送关闭爬虫的信号。在`extensions.py`中自定义逻辑，配置scrapy扩展来实现这一功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用过scrapy_redis框架的人一定知道，scrapy redis 在没有requests的时候，会阻塞等待接收start_url，程序无法自动结束。那如何自动停止程序，结束空跑呢？？？
spider_idle 信号

scrapy.signals.spider_idle(spider)
当spider进入空闲(idle)状态时该信号被发送。空闲意味着:

requests正在等待被下载
requests被调度
items正在item pipeline中被处理
当该信号的所有处理器(handler)被调用后，如果spider仍然保持空闲状态， 引擎将会关闭该spider。当spider被关闭后， spider_closed 信号将被发送。

您可以，比如，在 spider_idle 处理器中调度某些请求来避免spider被关闭。

该信号 不支持 返回deferreds。

参数:	spider (Spider 对象) – 空闲的spider

了解了spider_idle 信号，大家有嗅到什么么？
对于scrapy_reids为何不能自动停止， scrapy_redis源码是这样的：

   def spider_idle(self):
        """Schedules a request if available, otherwise waits."""
        # XXX: Handle a sentinel to close the spider.
        self.schedule_next_requests()    # 这里调用schedule_next_requests() 来从redis中生成新的请求
        raise DontCloseSpider              # 抛出不要关闭爬虫的DontCloseSpider异常，保证爬虫活着

现在应该都清楚了吧，是因为scrapy_redis 从来不关闭spider。按照这个逻辑，我们可以在spider_idle 里加入自己的想法，比如半个小时之后 spider还是空