2016-09-21 13 views
0

私は治療パイプラインに問題があります。 EnricherPipelineは決して開始しません。私はprocess_itemの最初の行にデバッガーを置き、決して制御を取得しません。 JsonPipelineは起動しませんが、それが受け取る最初の引数は、型generator object process_itemのものであり、ないMatchItemインスタンスが、それは私がEnricherPipelineを無効にすると、期待どおり、JsonPipeline作品(受け取るべきである。治療パイプラインが起動していません

class MatchSpider(CrawlSpider): 

    def parse(self, response): 
     browser = Browser(browser='Chrome') 
     browser.get(response.url) 
     browser.find_element_by_xpath('//a[contains(text(), "{l}") and @title="{c}"]'.format(l=self.league, c=self.country)).click() 
     browser.find_element_by_xpath('//select[@id="seasons"]/option[text()="{s}"]'.format(s=self.season.replace('-', '/'))).click() 
     browser.find_element_by_xpath('//a[contains(text(), "Fixture")]').click() 
     page_matches = browser.find_elements_by_xpath('//*[contains(@class, "result-1 rc")]') 
     matches.extend([m.get_attribute('href') for m in page_matches] 
     for m in matches[:1]: 
      yield Request(m, callback=self.process_match, dont_filter=True) 

    def process_match(self, response): 
     match_item = MatchItem() 
     match_item['url'] = response.url 
     match_item['project'] = self.settings.get('BOT_NAME') 
     match_item['spider'] = self.name 
     match_item['server'] = socket.gethostname() 
     match_item['date'] = datetime.datetime.now() 
     return match_item 

class EnricherPipeline: 
    def process_item(self, item, spider): 
     self.match = defaultdict(dict) 
     self.match['date'] = item['match']['startTime'] 
     self.match['referee'] = item['match']['refereeName'] 
     self.match['stadium'] = item['match']['venueName'] 
     self.match['exp_mins'] = item['match']['expandedMinutes'] 
     yield self.match 


class JsonPipeline: 

    def process_item(self, item, scraper): 
     output_dir = 'data/matches/{league}/{season}'.format(league=scraper.league, season=scraper.season) 
     if not os.path.exists(output_dir): 
      os.makedirs(output_dir) 
     file_name = "-".join([str(datetime.strptime(item['date'], '%Y-%m-%dT%H:%M:%S').date()), 
           item['home']['name'], item['away']['name']]) + '.json' 
     item_path = os.sep.join((output_dir, file_name)) 
     with open(item_path, 'w') as f: 
      f.write(json.dumps(item)) 



ITEM_PIPELINES = { 
    'scrapers.whoscored.whoscored.pipelines.EnricherPipeline': 300, 
    'scrapers.whoscored.whoscored.pipelines.JsonPipeline': 800, 
} 
+0

「scrapers.whoscored.whoscored.pipeline」というパイプラインがあります。 EnricherPipeline ':300.このパイプラインは何を返すのですか? – rojeeer

+0

奇妙なことに、Scrapyはパイプラインに入ることはありません。私は最初の行にデバッガを置きますprocess_itemのそれは決してenteres。それはdictを返すことになっています。 – FranGoitia

+0

_もちろん、Scrapyはそのパイプラインに入ることはありません。_投稿したコードは単一のファイル(例: 'pipelines.py')または別のファイルからですか? 'ITEM_PIPELINES'は' settings.py'ファイルに設定されています。 – starrify

答えて

0

オクラホマので、問題があることだったEnricherPipelineデバッガが最初のパイプラインで動作していない理由をまだ理解していませんが、期待通りに動作しました。

+1

あなたのスパイダーが決して結果を出さない場合、パイプラインの 'process_item()'は決して呼び出されないので、デバッガのブレークポイントは決して到達しません。 – Granitosaurus

+0

私のスパイダーは結果を出しません。 – FranGoitia

+0

最初のパイプラインが呼び出されたかどうかを確認する方法はいくつかあります。 (a)。スクラップログを介して、パイプラインが有効かどうかを確認します。 (b)process_item()関数で、いくつかの印刷やロギングを行い、次にこの関数が呼び出されているかどうかを確認します。 – rojeeer

関連する問題