译者:OSGeo 中国
Scrapy提供了一种方便的工具,可以以键/值的形式收集统计信息,其中值通常是计数器。该工具称为stats collector,可以通过 stats
的属性 爬虫API ,如中的示例所示 常用统计信息收集器使用 下面部分。
但是,stats collector始终可用,因此无论stats集合是否启用,您都可以将其导入模块并使用其API(以增加或设置新的stat键)。如果它被禁用,API仍然可以工作,但它不会收集任何东西。这是为了简化StatsCollector的用法:在spider、scrappy扩展名或从中使用StatsCollector的任何代码中,收集统计信息的代码不应超过一行。
StatsCollector的另一个特性是,它在启用时非常高效,在禁用时非常高效(几乎不明显)。
stats收集器为每个打开的spider保留一个stats表,该表在spider打开时自动打开,在spider关闭时关闭。
通过访问Stats Collector stats
属性。以下是访问统计信息的扩展示例:
class ExtensionThatAccessStats(object):
def __init__(self, stats):
self.stats = stats
@classmethod
def from_crawler(cls, crawler):
return cls(crawler.stats)
设置统计值:
stats.set_value('hostname', socket.gethostname())
增量统计值:
stats.inc_value('custom_count')
仅当大于上一个值时设置stat值::
stats.max_value('max_items_scraped', value)
仅当低于上一个时设置stat值::
stats.min_value('min_free_memory_percent', value)
获取统计值:
>>> stats.get_value('custom_count')
1
获取所有统计数据:
>>> stats.get_stats()
{'custom_count': 1, 'start_time': datetime.datetime(2009, 7, 14, 21, 47, 28, 977139)}
除了基本的 StatsCollector
Scrapy中还有其他可用的统计数据收集器,它们扩展了基本统计数据收集器。您可以通过 STATS_CLASS
设置。使用的默认统计信息收集器是 MemoryStatsCollector
.
class scrapy.statscollectors.MemoryStatsCollector
一个简单的统计信息收集器,它在关闭后将上次(每个 Spider )抓取运行的统计信息保存在内存中。可以通过 spider_stats
属性,它是由 Spider 域名键入的dict。
这是Scrapy中使用的默认统计信息收集器。
spider_stats
包含每个 Spider 最后一次抓取运行的统计信息的dict的dict(由 Spider 名称键控)。
class scrapy.statscollectors.DummyStatsCollector
一个只做非常有效的统计数据收集器(因为它什么也不做)。此统计信息收集器可以通过 STATS_CLASS
设置,以禁用统计信息收集以提高性能。但是,与其他零碎的工作负载(如解析页面)相比,统计数据收集的性能损失通常是微乎其微的。