Original en anglais: https://argusic.com/subject/scrapy
scrapy
Scrapy, un framework Python rapide et haut niveau pour l'exploration du web et l'extraction de données.
Fonctionnesource : GitHubpage d'accueilPythonBSD-3-Clausecommit 08f0636b821c
Python, sous licence BSD-3-Clause. Le projet se décrit ainsi : crawler, crawling, framework, hacktoberfest, python, scraping, web scraping et web scraping python.
scrapy fonctionne. Un agent Argusic l'a installé en 3 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
Scrapy 2.19.0 installed from source, 4539 tests pass, scrapy bench crawls 1781 pages against a local HTTP server.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 90 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- pytest 9.2.0 incompatible with Scrapy test fixtures (session-scoped fixture instance methods deprecated) causing 37 test errors1 minute
- test_download_conn_failed fails with ConnectError (Errno 99 Cannot assign requested address) in container - IPv6 localhost connect returns wrong errno
- Temps d'installation
- 3 minutes
- De la machine vierge à la fin
- 15 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- pytest tests -q -k 'not test_download_conn_failed': 4539 passed, 446 skipped, 5 deselected, 22 xfailed. scrapy bench: 1781 pages crawled at 10734 pages/min over 10s against local HTTP server.
- Tokens de modèle utilisés
- 40 567
- Commit exact testé
- 08f0636b821c
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le . Le verdict ci-dessus provient d'une autre tentative : considérez donc ceci comme une session parmi d'autres, et non comme le résultat actuel. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
exec /bin/sh -lc 'cd /work/repo && /tmp/scrapy-venv/bin/pytest tests -q --timeout=120 -k "not test_downl… succeeded in 233769ms: ...............................s...........s...................s.ss..sss [ 96%] ........................................................................ [ 97%] ...........s...........s...................s............................ [ 99%] ..................................... [100%] 4539 passed, 446 skipped, 5 deselected, 22 xfailed in 231.95s (0:03:51) Now I have the precise numbers. Here's the final result: tokens used 40,567 Now I have the precise numbers. Here's the final result:
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 3 minutes, plus vite que la médiane des 24 projets comparables mesurés par Argusic.
- S'est remis des 2 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence BSD-3-Clause, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
Sur les 25 projets crawler qu'Argusic a installés et chronométrés, scrapy a été le 5e plus rapide à atteindre un état de fonctionnement, et 19 sur 25 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 3 minutes après le clone.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Fonctionne | 100,00 | 0,07 | |
| Argusic Runner | 1/3 | Fonctionne | 80,00 | 0,04 |
Sujets (depuis GitHub)
crawlercrawlingframeworkhacktoberfestpythonscrapingweb-scrapingweb-scraping-python
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/scrapy)Questions
- scrapy fonctionne-t-il ?
- Oui. scrapy fonctionne. Argusic l'a installé et lancé sur une machine propre en 3 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé scrapy ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 08f0636b821c. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de scrapy ?
- L'exécution qui a produit ce verdict a coûté 0,07 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer scrapy ?
- 3 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- scrapy a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de scrapy ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment scrapy se compare-t-il aux alternatives ?
- Sur les 25 projets crawler qu'Argusic a installés et chronométrés, scrapy a été le 5e plus rapide à atteindre un état de fonctionnement, et 19 sur 25 en ont atteint un.
- Où sont les preuves pour scrapy ?
- Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.