一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

时间:2022-10-08 10:33:42

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

昨天有位同学在公众号俱乐部群问了这样一个问题:

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

他在一个 Scrapy 项目里面,有两个爬虫 A 和 B,他使用命令scrapy crawl B想启动 B 爬虫,但是发现 A 爬虫也自动运行了。

然后,这个同学贴上来他的爬虫代码:

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

看到这个代码,我就知道是怎么回事了。要解释这个现象,我们需要掌握两个知识点:

Scrapy 是怎么加载爬虫的?

Python 的类变量与实例变量的区别。

Scrapy 是怎么加载爬虫的?

我们知道,Scrapy 的 spiders 文件夹里面,可以定义很多个爬虫文件。只要每个爬虫文件的 name 的值不一样,那么,我们就可以使用scrapy crawl name 的值来启动特定的爬虫。

那么,Scrapy 它是怎么根据这个名字找到对应的类的呢?

实际上,在我们执行scrapy crawl xxx的时候,Scrapy 有几个主要的步骤:

  • 首先遍历spiders 文件夹下面的所有文件,在这些文件里面,寻找继承了scrapy.Spider的类
  • 获取每个爬虫类的name属性的值
  • 添加到一个公共的字典里面{'name1': 爬虫类1, 'name2': '爬虫类2'}
  • 获取scrapy crawl xxx具体要启动的那个爬虫的名字,从公共字典里面,找到这个名字对应的爬虫类
  • 执行这个爬虫类,得到一个爬虫对象。然后调用爬虫对象的start_requests()方法

从这个过程我们可以知道,spiders 文件夹下面,每一个爬虫类都会被加载。

Python 的类属性和实例属性

在我们定义Python 类的时候,我们其实可以在类里面,所有方法的外面写代码,例如:

  1. classTest:
  2. a=1+1
  3. b=2+2
  4. ifa+b==6:
  5. right=True
  6. else:
  7. right=False
  8. def__init__(self):
  9. self.age=100
  10. self.address='上海'

大家注意这几行代码:

  1. a=1+1
  2. b=2+2
  3. ifa+b==6:
  4. right=True
  5. else:
  6. right=False

他们不在任何方法里面的,这里面初始化的变量,叫做类变量或者类属性。而在__init__里面,初始化的self.age和self.address叫做实例属性。

实例属性只有在类被执行的时候,获得实例对象的时候,才会执行。而类属性,是在类被 Python 加载的时候,就会执行。大家注意下面这段代码:

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

Python 只是加载了这个类,并没有初始化它,但里面的 print语句已经执行了。

而当我们初始化它以后,实例属性才会执行:

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

什么情况叫做Python 加载了一个类呢?

例如,当你from xxx import yyy的时候,yyy这个类就被加载了。又比如你可能是使用imortlib.import_module的时候。

所以,回到这个同学的问题。之所以他其中一个爬虫的代码始终会运行,原因就在下面红色圆圈中的代码:

一日一技:为什么 Scrapy 启动 A 爬虫,B 爬虫会自动启动?

他把这段代码写在了所有方法之外,让他处于了类属性的区域。在这个区域里面的代码,在爬虫类被加载的时候,就会执行。

如果要解决这个问题,只需要把这段代码,放到start_requests()方法里面就可以了。

原文链接:https://mp.weixin.qq.com/s/6a3V2Cr-1UgL5nW1LWF2-g