python实现scrapy定时执行爬虫

项目需要程序能够放在超算中心定时运行，于是针对scrapy写了一个定时爬虫的程序

main.py

，直接放在scrapy的存储代码的目录中就能设定时间定时多次执行。

最简单的方法：直接使用Timer类

import time
import os

while True:
os.system("scrapy crawl News")
time.sleep(86400)  #每隔一天运行一次 24*60*60=86400s

或者，使用标准库的sched模块

import sched
#初始化sched模块的scheduler类
#第一个参数是一个可以返回时间戳的函数，第二个参数可以在定时未到达之前阻塞。
schedule = sched.scheduler ( time.time, time.sleep )

#被周期性调度触发的函数
def func():
os.system("scrapy crawl News")
def perform1(inc):
schedule.enter(inc,0,perform1,(inc,))
func()    # 需要周期执行的函数
def mymain():
schedule.enter(0,0,perform1,(86400,))

if __name__=="__main__":
mymain()
schedule.run()  # 开始运行，直到计划时间队列变成空为止

关于cmd的实现方法，本人在单次执行爬虫程序时使用的是

cmdline.execute("scrapy crawl News".split())

但可能因为cmdline是scrapy模块中自带的，所以定时执行时只能执行一次就退出了。小伙伴有种方法是使用

import subprocess
subprocess.Popen("scrapy crawl News")

她的程序运行正常可以定时多次执行，而我的却直接退出了，改为

from subprocess import Popen
subprocess.Popen("scrapy crawl News")

才正常，不知道为什么会这样，如果有大神可以解释原因还请指点。反正

os.system

、

subprocess.Popen

都是pythoncmd的实现方法，可以根据需要选择使用。

参考网址：

Python的sched模块和Timer类

python sched模块学习

[转]深入学习python （六） 用sched来定时执行任务

Python_cmd的各种实现方法及优劣（subprocess.Popen, os.system和commands.getstatusoutput） - z…