Scapy爬虫管道：持久化存储文件为空的排查与解决
本文分析了使用Scapy爬虫时，管道持久化存储文件为空的常见问题，并提供详细的排查和解决方法。问题核心在于Pipeline中文件指针未正确初始化，导致写入操作失败。
以下是一个示例代码片段，展示了问题所在以及解决方案：
爬虫代码 (biedou_spider.py):
import scrapy
import sys
sys.path.append(r'd:\project_test\pydemo\demo1\xunlian\myspider\qiubai')
from ..items import qiubaiitem
class biedouspider(scrapy.Spider):
name = "biedou"
start_urls = ["https://www.biedoul.com/wenzi/"]
def parse(self, response):
dl_list = response.xpath('/html/body/div[4]/div[1]/div[1]/dl')
for dl in dl_list:
title = dl.xpath('./span/dd/a/strong/text()')[0].extract()
content = dl.xpath('./dd//text()').extract()
content = ''.join(content)
item = qiubaiitem()
item['title'] = title
item['content'] = content
yield item
break #此处break语句仅用于测试，实际应用中应移除
Item定义 (items.py):
import scrapy
class qiubaiitem(scrapy.Item):
title = scrapy.Field()
content = scrapy.Field()
Pipeline代码 (pipelines.py): (错误代码)
class qiubaipipeline(object):
def __init__(self):
self.fp = None
def open_spdier(self, spider): #拼写错误：open_spdier
print("开始爬虫")
self.fp = open('./biedou.txt', 'w', encoding='utf-8')
def close_spider(self, spider):
print("结束爬虫")
self.fp.close()
def process_item(self, item, spider):
title = str(item['title'])
content = str(item['content'])
self.fp.write(title + ':' + content + '\n')
return item
运行爬虫时，错误信息显示AttributeError: 'NoneType' object has no attribute 'close'，这正是由于open_spdier方法名拼写错误导致的。 open_spider 方法未被调用，self.fp 始终为 None。
Pipeline代码 (pipelines.py): (修正代码)
class QiubaiPipeline(object): #建议类名首字母大写
def __init__(self):
self.fp = None
def open_spider(self, spider): #修正拼写错误
print("开始爬虫")
self.fp = open('./biedou.txt', 'w', encoding='utf-8')
def close_spider(self, spider):
print("结束爬虫")
try:
self.fp.close()
except AttributeError:
print("文件未打开") #增加异常处理
def process_item(self, item, spider):
title = str(item['title'])
content = str(item['content'])
try:
self.fp.write(title + ':' + content + '\n')
except AttributeError:
print("文件未打开，写入失败") #增加异常处理
return item
通过更正open_spider方法名，并添加异常处理，确保即使出现错误也能优雅地处理，避免程序崩溃。 此外，建议类名使用首字母大写规范。 移除parse方法中的break语句，才能完整地处理所有数据。 确保biedou.txt 文件有写入权限。
这个修正后的Pipeline就能正确地将爬取的数据写入biedou.txt 文件。 记住仔细检查代码中的拼写错误，并添加适当的错误处理，这对于调试和维护代码至关重要。
