Original em inglês: https://argusic.com/subject/scrapy
scrapy
Scrapy, um framework rápido e de alto nível para rastreamento e raspagem de dados na web para Python.
Executafonte: GitHubpágina do projetoPythonBSD-3-Clausecommit 08f0636b821c
Python, licença BSD-3-Clause. O projeto se descreve como: crawler, crawling, framework, hacktoberfest, python, scraping, web scraping e web scraping python.
scrapy executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 3 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Scrapy 2.19.0 installed from source, 4539 tests pass, scrapy bench crawls 1781 pages against a local HTTP server.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 90 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- pytest 9.2.0 incompatible with Scrapy test fixtures (session-scoped fixture instance methods deprecated) causing 37 test errors1 minuto
- test_download_conn_failed fails with ConnectError (Errno 99 Cannot assign requested address) in container - IPv6 localhost connect returns wrong errno
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 15 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 modelo usados
- 40.567
- Commit exato testado
- 08f0636b821c
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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:
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 3 minutos, mais rápido que a mediana dos 24 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença BSD-3-Clause, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Dos 25 projetos de crawler que a Argusic instalou e cronometrou, scrapy foi o 5º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 3 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
crawlercrawlingframeworkhacktoberfestpythonscrapingweb-scrapingweb-scraping-python
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/scrapy)Perguntas
- scrapy executa?
- Sim. scrapy executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou scrapy?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 08f0636b821c. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar scrapy?
- A execução que produziu este veredito custou US$ 0,07: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar scrapy?
- 3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- scrapy precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar scrapy?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como scrapy se compara às alternativas?
- Dos 25 projetos de crawler que a Argusic instalou e cronometrou, scrapy foi o 5º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
- Onde estão as evidências de scrapy?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.