Scrapy：用cmdline运行爬虫后导致主程序也结束——CrawlerProcesser

学习自：

Scrapy官方文档——CrawlerRunner相关

解决django或者其他线程中调用scrapy报ReactorNotRestartable的错误 - liuxianglong - 博客园

(6条消息) python定时启动多个爬虫，解决（twisted.internet.error.ReactorNotRestartable）报错_别挡着我发光的博客-CSDN博客

Scrapy：通过cmdLine从同一个python进程运行多个spider失败 - 问答 - Python中文网

解决方法：

不用普通的Spider类，而用CrawlerRunner或CrawlerProcesser类。

用法：

from crochet import setup
from scrapy.crawler import CrawlerProcess

def Scrapy(adminname,filename,year):
    setup()
    process=CrawlerProcess()
    process.crawl(QSpider)

参数传递

在Scrapy python中向process.crawn传递参数 - 问答 - Python中文网

如果想传入参数，可以写成如下形式：

process.crawl(QSpider,attr1=value1,attr2=value2,...)

上段代码中attr1，attr2为传入变量名，value1，value2为这些变量的值。

在爬虫类QSpider中（构建该类时，基类仍是Spider）的__init__方法中访问这些传入参数：

class QSpider(scrapy.Spider):
    name='Q'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Safari/537.36'
    }

    def __init__(self,attr1,attr2):
        self.attr1=attr1
        self.attr2=attr2

前边的self.attr1是指类属性attr1，如果想为该属性赋值为之前传入的参数attr1，就在声明__init__的形参中写上这些参数，这样，传入的参数就保存到了类中对应的属性了。