我想监控爬虫状况怎么办？Scrapy邮件发送功能及爬虫停止信息。

2021-12-23 15:55:08

一、需求

邮件发送功能，作为一个【通知】或者说【知晓】的方式，在实际应用中会经常使用的，试想一个场景：

你掌握着公司半数以上的爬虫，并且你每天都要监控它们（他们在服务器上），你作为一个爬虫技术从业者，你肯定会想（偷懒），因为不偷懒的工程师不会进步。你希望当它们触发某个状况的时候，你的邮箱会收到对应的提醒，这样你可以及时的处理这些状况，当然你也可以集成微信来开发，让通知发送到你的微信，但是互联网行业，邮箱还是经常用的。

可以根据实际需求，在不同的时机发送不同的提醒邮件，以对爬虫状态进行监控。

这里我以监控爬虫的停止信息来作为示例。

timg (1).jpg

二、scrapy文档

scrapy官网文档有提供邮件发送的资料：

发送email

虽然Python通过 smtplib 库使得发送email变得很简单，Scrapy仍然提供了自己的实现。该功能十分易用，同时由于采用了 Twisted非阻塞式(non-blocking)IO ，其避免了对爬虫的非阻塞式IO的影响。另外，其也提供了简单的API来发送附件。通过一些 settings 设置，您可以很简单的进行配置。

简单例子

有两种方法可以创建邮件发送器(mail sender)。您可以通过标准构造器(constructor)创建:

fromscrapy.mailimportMailSendermailer = MailSender()

或者您可以传递一个Scrapy设置对象，其会参考 settings:

mailer= MailSender.from_settings(settings)

这是如何来发送邮件(不包括附件):

mailer.send(to=["someone@example.com"], subject="Some subject", body="Some body", cc=["another@example.com"])

MailSender类参考手册

在Scrapy中发送email推荐使用MailSender。其同框架中其他的部分一样，使用了 Twisted非阻塞式(non-blocking)IO 。

classscrapy.mail.MailSender(smtphost=None, mailfrom=None, smtpuser=None, smtppass=None, smtpport=None)

参数由以下组成:

smtphost (str) – 发送email的SMTP主机(host)。如果忽略，则使用 MAIL_HOST 。
  mailfrom (str) – 用于发送email的地址(address)(填入 From:) 。 如果忽略，则使用 MAIL_FROM 。
  smtpuser – SMTP用户。如果忽略,则使用 MAIL_USER 。 如果未给定，则将不会进行SMTP认证(authentication)。
  smtppass (str) – SMTP认证的密码      
  smtpport (int) – SMTP连接的端口     
  smtptls – 强制使用STARTTLS
  smtpssl(boolean)– 强制使用SSL连接

classmethodfrom_settings(settings)

使用Scrapy设置对象来初始化对象。其会参考这些Scrapy设置.

参数: settings (scrapy.settings.Settings object) – the e-mail recipients

send(to, subject, body, cc=None, attachs=(), mimetype='text/plain')

发送email到给定的接收者。参数:

to (list) – email接收者
subject (str) – email内容
cc (list) – 抄送的人
body (str) – email的内容
attachs (iterable) – 可迭代的元组 (attach_name, mimetype, file_object)。 attach_name 是一个在email
  的附件中显示的名字的字符串， mimetype 是附件的mime类型， file_object 是包含附件内容的可读的文件对象。
mimetype (str) – email的mime类型

三、实际写法

根据上面官网文档的一些介绍和语法（更多语法请上官网翻阅）

这里编写一段示例代码（结合信号量）

3.1 设置邮箱pop

登录QQ邮箱找到设置-账户

然后生成授权码（以前是生成密码，现在用授权码）

3.2 编码

在具体的爬虫文件中编写：

from scrapy.mail import MailSender
from scrapy.xlib.pydispatch import dispatcher
from scrapy import signals

接着在class类的上方编写emial的链接配置信息：

mailers= MailSender(smtphost="smtp.qq.com",  # 发送邮件的服务器    
mailfrom="abcdefg@qq.com",  # 邮件发送者
smtpuser="abcdefg@qq.com",  # 用户名
smtppass="qtpzvxxyyxxyyxxyyxde",  # 发送邮箱的密码不是你注册时的密码，而是授权码！！！切记！
smtpport=25 # 端口号
)  #初始化邮件模块

然后再到class类中编写信号量监听和具体的邮件发送代码：

 def  __init__(self):
    """ 监听信号量 """
    super(YoutubeapiSpider, self).__init__()
    # 当收到spider_closed信号的时候，调用下面的close方法来发送通知邮件    
    dispatcher.connect(self.close, signals.spider_closed)

 def  close(spider, reason):
   """ 执行邮件发送操作 """
  body ="爬虫[%s]已经关闭，原因是: %s"% (spider.name, reason)        
  subject ="[%s]爬虫关闭提醒"% spider.name        
  mailers.send(to={"admin@qq.com","quinns@aliyun.com"}, 
  subject=subject,                   
  body=body)

这样就会在收到爬虫关闭信号的时候，通过abgdefg@qq.com给指定的admin@qq.com和quinns@aliyun.com发送邮件(实际应用的时候可以考虑给1个或多个邮箱发送)，邮件内容是body，邮件标题是subject。

3.3 在邮件里添加爬虫停止信息

毕竟停止信息里面对爬虫状态和记录比较详细，所以邮件中应当发送停止信息。

当然了，写法很多，除了def close 还可以：

def __init__(self):
  """ 监听信号量 """
  super(YoutubeapiSpider, self).__init__()# 当收到spider_closed信号的时候，调用下面的close方法来发送通知邮件
  dispatcher.connect(self.spider_closed, signals.spider_closed)
def spider_closed(self, spider, reason):
      # 上方的信号量触发这个方法
      stats_info = self.crawler.stats._stats  # 爬虫结束时控制台信息
      body = "爬虫[%s]已经关闭，原因是: %s.\n以下为运行信息：\n %s" % (spider.name, reason, stats_info)
      subject = "[%s]爬虫关闭提醒" % spider.name
      mailers.send(to={"513720453@qq.com"},
                   subject=subject,
                   body=body)

只要满足触发条件，就可以发送指定内容的邮件。
然后收到的邮件是这样的：

收到的邮件

3.4 邮件配置的坑

在使用过程中，如果发送邮件后，scrapy报出如下错误信息：

报错

通过多方排查，依旧没有资料信息。

后来无意中改动了邮件发送配置中的端口，就解决了这个问题

25-465.png

只要将原来的25端口改成465即可。（猜测跟邮件服务器pop3的ssl有关，未亲自确认）
这里虽然只是以爬虫关闭来举例，实际上可以监控更多的行为操作，比如百度翻译的接口超量、捕获一些特殊的异常等。

码农公寓