Original en inglés: https://argusic.com/subject/spidr
spidr
Una biblioteca versátil de rastreo web en Ruby que puede rastrear un sitio, múltiples dominios, ciertos enlaces o de forma infinita. Spidr está diseñado para ser rápido y fácil de usar.
Funciona con mocksfuente: GitHubRubyMITcommit 657b9db4f87a
Ruby, licencia MIT. El proyecto se describe a sí mismo como: crawler, ruby, scraper, spider, spider links, web, web crawler y web scraper.
spidr funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 33 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Spidr builds and its full 317-example RSpec suite passes, and a locally hosted mock site is spidered end to end (3 URLs visited, no failures) with no real third-party credentials.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- No Ruby toolchain in container25 minutos
- Ruby stdlib extensions zlib, psych, fiddle could not build: no system dev headers for zlib, libyaml, libffi7 minutos
- Initial live check showed spider visited only /1 minuto
- Tiempo de instalación
- 33 minutos
- De máquina en frío a terminar
- 20 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- bundle exec rspec exited 0 with 317 examples, 0 failures; live spider script printed URLS=http://127.0.0.1:8123/|http://127.0.0.1:8123/missing|http://127.0.0.1:8123/page1, FAILURES=, TITLES=Mock Home|Mock Home|Page One, exit 0
- Tokens de modelo usados
- 828.906
- Commit exacto probado
- 657b9db4f87a
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
Work is complete and the repo is clean. One JSON field spec detail to settle: "install_minutes" nee… **Final report** - Installed by building Ruby 3.3.7 from source (container had no Ruby), then the project's standard… - `bundle exec rspec`: 317 examples, 0 failures (line coverage 92.2%). - Real end-to-end spider check against a locally stood-up TCP/HTTP mock: server answered `200`; the… tokens used 828,906 Work is complete and the repo is clean. One JSON field spec detail to settle: "install_minutes" nee… **Final report** - Installed by building Ruby 3.3.7 from source (container had no Ruby), then the project's standard… - `bundle exec rspec`: 317 examples, 0 failures (line coverage 92.2%). - Real end-to-end spider check against a locally stood-up TCP/HTTP mock: server answered `200`; the…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Tardó 33 minutos en instalarse, más lento que la mediana de los 24 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 25 proyectos de crawler que Argusic ha instalado y cronometrado, spidr fue el 22.º más rápido en llegar a funcionar, y 19 de 25 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,19 |
Temas (de GitHub)
crawlerrubyscraperspiderspider-linkswebweb-crawlerweb-scraperweb-scrapingweb-spider
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/spidr)Preguntas
- ¿Funciona spidr?
- spidr funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 33 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic spidr?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 657b9db4f87a. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar spidr?
- La ejecución que produjo este veredicto costó 0,19 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda spidr en instalarse?
- 33 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita spidr una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar spidr?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara spidr con las alternativas?
- De los 25 proyectos de crawler que Argusic ha instalado y cronometrado, spidr fue el 22.º más rápido en llegar a funcionar, y 19 de 25 llegaron a funcionar.
- ¿Dónde está la evidencia de spidr?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.