在crontab中执行scrapy（解决不执行，不爬取数据的问题）

本文链接：https://blog.csdn.net/glovenone/article/details/126282489

文章来着：在crontab中执行scrapy（解决不执行，不爬取数据的问题） – 自我的进化

在crontab中执行scrapy会遇到命令不执行，或者执行了但是没有爬取数据的问题，这里做一下总结

先说这里遇到的问题和解决方案：
1. spider不执行：在crontab中需要先cd到项目目录，然后调用命令，否则找不到爬虫
2. 执行scrapy的时候需要调用/usr/local/bin/scrapy crawl spider_name，否则找不到scrapy命令
如何使用crontab做爬取：这里有2种方式，一种是直接在crontab中执行scrapy crawl spider_name，将每个爬虫写一遍
1. 0 3 * * * cd /project_path/spider && /usr/bin/python3 startup.py >> /tmp/spider.log
2. 另一种是增加一个startup.py，调用subprocess，将需要调用的爬虫做整合然后循环调用：

# 顺序执行所有爬虫
import subprocess
from datetime import datetime
import time


def crawl_work():
    date_start = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime())

    crawl_name_list = ['spider_1', 'spider_2']
    record_time_list = {}
    for crawl_name in crawl_name_list:
        start_time = time.time()
        record_time_list[crawl_name] = {}
        record_time_list[crawl_name]['start_date'] = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime())
        subprocess.Popen('/usr/local/bin/scrapy crawl ' + crawl_name, shell=True).wait()
        end_time = time.time()
        record_time_list[crawl_name]['end_date'] = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime())
        record_time_list[crawl_name]['time_last'] = int((end_time - start_time) / 60)  # 分钟，向下取整
    print('time_record-date_start: ', date_start)
    for crawl_name, record_time in record_time_list.items():
        print('time_record-' + crawl_name + ': ', record_time)
    date_end = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime())
    print('time_record-date_end: ', date_end)


if __name__ == '__main__':
    crawl_work()