求教 scrapy 的一个问题，困扰了很久。

[Yc1992]

时间较长的阻塞函数是不适宜放置在 parse 回调函数里面的，这个我懂。

但是目前由于需要渲染带有 js 的页面，我使用了子进程 subprocess 调用 phantomjs 来完成页面的渲染，针对每个页面。

我把这个实现写在了 parse 里面，导致了爬虫速度大大下降。

有什么方法可以异步执行这种对时间消耗比较大的回调呢？

谢谢！

[appleandbanana]

我最近也在弄 scrapy+phantomjs 诶，楼主留个联系方式啊，咱一起研究研究~

[chinvo]

如果 phantomjs 没提供异步方法的话，一个来自 php 的思路：

用 phantomjs 封装个 web api 或者 unix socks 什么的，爬虫的 parse 里面去调用，不等待返回。

[Yc1992]

@appleandbanana 如果没有特别的限制，建议你用 scrapyjs ，比 phantomjs 好用得多，加上一个中间件，渲染效果很好。

[cxh116]

js 抓取可以用 https://github.com/scrapy-plugins/scrapy-splash

不过没有 phantomjs 强大

[Yc1992]

@chinvo 这不就成了一个服务了吗？还要去监控和守护？

[appleandbanana]

@Yc1992 那我看看去，谢啦~

[Yc1992]

@cxh116 见楼上，实际情况是项目部署上 splash 不被允许，需要使用 docker

[chinvo]

@Yc1992 既然用 docker 的话，管理一个这样的服务并不是很困难的样子

[Yc1992]

@chinvo 不是难度问题，是项目经理不允许使用。

[davidzhang]

目前偶的已经上线了，并且在运行了，就是网络流量会很大

[Yc1992]

@davidzhang 使用 splash 服务的 scrapy 爬虫吗？

[chinvo]

@Yc1992 换个思路，数据直接入库，在需要的时候再调用 phantomjs 渲染

[cxh116]

@Yc1992 splash 不一定要 docker .你觉得不麻烦, 手动安装到 linux 系统也可以. docker 只是为了省事,不用手动编译安装.

http://splash.readthedocs.org/en/latest/install.html#ubuntu-14-04-manual-way

[Yc1992]

@cxh116 是的，但是生产环境只有 10.04 ，很多依赖需要手工编译，然后被否决了。。。

[Yc1992]

@chinvo 是个不错的建议，我再想想，谢谢~

[WildCat]

最近上了 node 用 nightmare ，基于 electron 的，楼主可以试试这个如何。我觉得性能不错。就是任务调度你得自己写了

[knightdf]

因为 phantomjs 本来就很慢，然后你这个可以直接用 phantomjs 来写一个下载器中间件

[Yc1992]

@knightdf 试过，直接 timeout 了 ，太慢了

[knightdf]

@Yc1992 timeout 的时间是你自己定义的啊。 scrapy 只是有个默认值罢了

[ffwalle]

python GIL 单线程，不管你怎么搞，它就是单线程。

本身做爬虫就不应该用那些什么 scrapy 一类的框架，应该因地制宜结合实际情况，自己做结构。

如果真的特别关心性能，应该考虑用 java 一类的能真正充分利用 cpu 的来做。

不过，总体来讲，更多的，应该考虑带宽，以及防屏蔽机制。

[Yc1992]

@ffwalle 框架方便了我们这些初级码农写一些还不算太糟糕的爬虫，不过越写越发现确实很多地方被框架所限，谢谢你的建议~

[Yc1992]

@knightdf 额 我记得直接 timeout 导致 connection close 了

[sckieer]

@cxh116 大神，我用 splash 为啥加载不了 iframe 下的内容啊？