AWS lambda，scrapy 和捕获异常

Question

我运行将 scrapy 用作 AWS lambda 函数。在我的函数中，我需要一个计时器来查看它是否运行超过 1 分钟，如果是，我需要运行一些逻辑。这是我的代码：

def handler():
    x = 60
    watchdog = Watchdog(x)
    try:
        runner = CrawlerRunner()
        runner.crawl(MySpider1)
        runner.crawl(MySpider2)
        d = runner.join()
        d.addBoth(lambda _: reactor.stop())
        reactor.run()
    except Watchdog:
        print('Timeout error: process takes longer than %s seconds.' % x)
        # some other logic here
    watchdog.stop()

看门狗定时器class我从this answer拿来的。问题是代码永远不会命中 except Watchdog 块，而是在外部抛出异常：

Exception in thread Thread-1:
 Traceback (most recent call last):
   File "/usr/lib/python3.6/threading.py", line 916, in _bootstrap_inner
     self.run()
   File "/usr/lib/python3.6/threading.py", line 1182, in run
     self.function(*self.args, **self.kwargs)
   File "./functions/python/my_scrapy/index.py", line 174, in defaultHandler
     raise self
 functions.python.my_scrapy.index.Watchdog: 1

我需要在函数中捕获异常。我该怎么做。 PS：我对 Python 很陌生。

Answer 1

好吧，这个问题让我有点抓狂，这就是为什么它不起作用：

Watchdog 对象所做的是创建另一个线程，在该线程中引发异常但未处理（异常仅在主进程中处理）。幸运的是，twisted 有一些简洁的功能。

你可以做到运行另一个线程中的反应器：

import time
from threading import Thread
from twisted.internet import reactor

runner = CrawlerRunner()
runner.crawl(MySpider1)
runner.crawl(MySpider2)
d = runner.join()
d.addBoth(lambda _: reactor.stop())
Thread(target=reactor.run, args=(False,)).start()  # reactor will run in a different thread so it doesn't lock the script here

time.sleep(60)  # Lock script here

# Now check if it's still scraping
if reactor.running:
    # do something
else:
    # do something else

我正在使用 python 3.7.0

Answer 2

Twisted 具有调度原语。例如，这个程序运行大约 60 秒：

from twisted.internet import reactor
reactor.callLater(60, reactor.stop)
reactor.run()

AWS lambda，scrapy 和捕获异常

AWS lambda, scrapy and catching exceptions

python

scrapy

twisted

python-multithreading