python - 爬虫没有按配置的时间运行，是为什么？

问题描述

问 题

需求是这样，我把所有的url存在了mongo库，想每天查一遍url，抓一遍数据，可是周末并没有执行，

这个项目的日志

项目配置是这样的，我修改过几次itag，让项目重跑，别的项目也遇到几天不跑

 @every(minutes=10)
    def on_start(self):
        """运行入口"""
        self.crawl('data:, on_crawl_A', callback=self.crawl_A)
        
    @config(age=60,priority=3)     
    def crawl_A(self, response):
        for page in range(1, 549):
            params = {
                'page_index': page, 'size': self.PAGE_SIZE,
                'source': 'aaa',
            }
            self.crawl(self.DATA_SERVICE_URL, params=params,
                       callback=self.query_local_api, timeout=60, proxy=False)

    @config(age=2 * 60,priority=3)
    def query_local_api(self, response):
        data = json.loads(response.text)
        if data['msg'] != 'Success':
            return
        urls = [url for url in data['body'] if url.startswith("http://")]
        print 'urls len------>{}'.format(len(urls))
        for url in urls:
            self.crawl(url, callback=self.detail_page)
    @config(age=3 * 60 * 60,priority=10)
    def detail_page(self, response):

其中query_local_api 是查询本地mongo接口返回url，其实我想这样配置

@config(age=24 * 60 * 60,priority=10)
    def detail_page(self, response):

但是发现这个age怎么配都感觉抓的不对，我理解问题？

解决方案

1. 你这个代码和你贴的这个图不一致啊，代码是10分钟运行一次，图上面是6小时

2. 随便找一个你认为应该被的任务，在 debug 页面获取 taskid（左上的 json 里面有），到 /task/project:taskid 页面查看它当前的状态

这篇关于python - 爬虫没有按配置的时间运行，是为什么？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！