非阻塞 Scrapy 管道到数据库

Question

我在 Scrapy 中有一个网络抓取工具，可以获取数据项。我也想将它们异步插入到数据库中。

例如，我有一个使用 SQLAlchemy Core 将一些项目插入我的数据库的事务：

def process_item(self, item, spider):
    with self.connection.begin() as conn:
        conn.execute(insert(table1).values(item['part1'])
        conn.execute(insert(table2).values(item['part2'])

我知道可以通过 alchimia 将 SQLAlchemy Core 与 Twisted 异步使用。 alchimia 的文档代码示例如下。

我不明白的是如何在 alchimia 框架中使用我上面的代码。如何设置 process_item 以使用反应器？

我可以做这样的事情吗？

@inlineCallbacks
def process_item(self, item, spider):
    with self.connection.begin() as conn:
        yield conn.execute(insert(table1).values(item['part1'])
        yield conn.execute(insert(table2).values(item['part2'])

reactor部分怎么写？

或者是否有更简单的方法在 Scrapy 管道中进行非阻塞数据库插入？

作为参考，这里是 alchimia 文档中的代码示例：

from alchimia import TWISTED_STRATEGY

from sqlalchemy import (
    create_engine, MetaData, Table, Column, Integer, String
)
from sqlalchemy.schema import CreateTable

from twisted.internet.defer import inlineCallbacks
from twisted.internet.task import react


@inlineCallbacks
def main(reactor):
    engine = create_engine(
        "sqlite://", reactor=reactor, strategy=TWISTED_STRATEGY
    )

    metadata = MetaData()
    users = Table("users", metadata,
        Column("id", Integer(), primary_key=True),
        Column("name", String()),
    )

    # Create the table
    yield engine.execute(CreateTable(users))

    # Insert some users
    yield engine.execute(users.insert().values(name="Jeremy Goodwin"))
    yield engine.execute(users.insert().values(name="Natalie Hurley"))
    yield engine.execute(users.insert().values(name="Dan Rydell"))
    yield engine.execute(users.insert().values(name="Casey McCall"))
    yield engine.execute(users.insert().values(name="Dana Whitaker"))

    result = yield engine.execute(users.select(users.c.name.startswith("D")))
    d_users = yield result.fetchall()
    # Print out the users
    for user in d_users:
        print "Username: %s" % user[users.c.name]

if __name__ == "__main__":
    react(main, [])

Answer 1

How can I set up process_item to use a reactor?

您不需要管理管道中的另一个反应器。
相反，您可以通过从管道返回延迟来在项目管道内进行异步数据库交互。

另见 Scrapy's doc and sample code doing asynchronous operations within an item pipeline by returning a deferred。

非阻塞 Scrapy 管道到数据库

Nonblocking Scrapy pipeline to database

python

sqlalchemy

twisted

nonblocking

scrapy