crawlo 1.2.0__py3-none-any.whl → 1.2.1__py3-none-any.whl

crawlo/mode_manager.py

@@ -1,212 +1,212 @@
-#!/usr/bin/python
-# -*- coding: UTF-8 -*-
-"""
-运行模式管理器
-==============
-管理 Crawlo 框架的不同运行模式，提供优雅的配置方式。
-
-支持的运行模式：
-1. standalone - 单机模式（默认）
-2. distributed - 分布式模式  
-3. auto - 自动检测模式
-"""
-
-from typing import Dict, Any, Optional
-from enum import Enum
-import os
-from crawlo.utils.log import get_logger
-
-
-class RunMode(Enum):
-    """运行模式枚举"""
-    STANDALONE = "standalone"    # 单机模式
-    DISTRIBUTED = "distributed"  # 分布式模式
-    AUTO = "auto"               # 自动检测模式
-
-
-class ModeManager:
-    """运行模式管理器"""
-    
-    def __init__(self):
-        self.logger = get_logger(self.__class__.__name__)
-    
-    @staticmethod
-    def get_standalone_settings() -> Dict[str, Any]:
-        """获取单机模式配置"""
-        return {
-            'QUEUE_TYPE': 'memory',
-            'FILTER_CLASS': 'crawlo.filters.memory_filter.MemoryFilter',
-            'CONCURRENCY': 8,
-            'MAX_RUNNING_SPIDERS': 1,
-            'DOWNLOAD_DELAY': 1.0,
-            'LOG_LEVEL': 'INFO',
-        }
-    
-    @staticmethod
-    def get_distributed_settings(
-        redis_host: str = '127.0.0.1',
-        redis_port: int = 6379,
-        redis_password: Optional[str] = None,
-        redis_db: int = 0,  # 添加 redis_db 参数
-        project_name: str = 'crawlo'
-    ) -> Dict[str, Any]:
-        """获取分布式模式配置"""
-        # 构建 Redis URL，使用传入的 redis_db 参数
-        if redis_password:
-            redis_url = f'redis://:{redis_password}@{redis_host}:{redis_port}/{redis_db}'
-        else:
-            redis_url = f'redis://{redis_host}:{redis_port}/{redis_db}'
-        
-        return {
-            'PROJECT_NAME': project_name,  # 添加项目名称到配置中
-            'QUEUE_TYPE': 'redis',
-            'FILTER_CLASS': 'crawlo.filters.aioredis_filter.AioRedisFilter',
-            'REDIS_HOST': redis_host,
-            'REDIS_PORT': redis_port,
-            'REDIS_PASSWORD': redis_password,
-            'REDIS_DB': redis_db,  # 添加 Redis 数据库编号到配置中
-            'REDIS_URL': redis_url,
-            'SCHEDULER_QUEUE_NAME': f'crawlo:{project_name}:queue:requests',  # 使用统一命名规范
-            # Redis key配置已移至各组件中，使用统一的命名规范
-            # crawlo:{project_name}:filter:fingerprint (请求去重)
-            'CONCURRENCY': 16,
-            'MAX_RUNNING_SPIDERS': 1,
-            'DOWNLOAD_DELAY': 1.0,
-            'LOG_LEVEL': 'INFO',
-        }
-    
-    @staticmethod
-    def get_auto_settings() -> Dict[str, Any]:
-        """获取自动检测模式配置"""
-        return {
-            'QUEUE_TYPE': 'auto',
-            'FILTER_CLASS': 'crawlo.filters.memory_filter.MemoryFilter',  # 默认内存过滤器
-            'CONCURRENCY': 12,
-            'MAX_RUNNING_SPIDERS': 1,
-            'DOWNLOAD_DELAY': 1.0,
-            'LOG_LEVEL': 'INFO',
-        }
-    
-    def resolve_mode_settings(
-        self, 
-        mode: str = 'standalone',
-        **kwargs
-    ) -> Dict[str, Any]:
-        """
-        解析运行模式并返回对应配置
-        
-        Args:
-            mode: 运行模式 ('standalone', 'distributed', 'auto')
-            **kwargs: 额外配置参数
-            
-        Returns:
-            Dict[str, Any]: 配置字典
-        """
-        mode = RunMode(mode.lower())
-        
-        if mode == RunMode.STANDALONE:
-            self.logger.info("🏠 使用单机模式 - 简单快速，适合开发和中小规模爬取")
-            settings = self.get_standalone_settings()
-            
-        elif mode == RunMode.DISTRIBUTED:
-            self.logger.info("🌐 使用分布式模式 - 支持多节点扩展，适合大规模爬取")
-            settings = self.get_distributed_settings(
-                redis_host=kwargs.get('redis_host', '127.0.0.1'),
-                redis_port=kwargs.get('redis_port', 6379),
-                redis_password=kwargs.get('redis_password'),
-                redis_db=kwargs.get('redis_db', 0),  # 添加 redis_db 参数
-                project_name=kwargs.get('project_name', 'crawlo')
-            )
-            
-        elif mode == RunMode.AUTO:
-            self.logger.info("🤖 使用自动检测模式 - 智能选择最佳运行方式")
-            settings = self.get_auto_settings()
-            
-        else:
-            raise ValueError(f"不支持的运行模式: {mode}")
-        
-        # 合并用户自定义配置
-        user_settings = {k: v for k, v in kwargs.items() 
-                        if k not in ['redis_host', 'redis_port', 'redis_password', 'project_name']}
-        settings.update(user_settings)
-        
-        return settings
-    
-    def from_environment(self) -> Dict[str, Any]:
-        """从环境变量构建配置"""
-        config = {}
-        
-        # 扫描 CRAWLO_ 前缀的环境变量
-        for key, value in os.environ.items():
-            if key.startswith('CRAWLO_'):
-                config_key = key[7:]  # 去掉 'CRAWLO_' 前缀
-                # 简单的类型转换
-                if value.lower() in ('true', 'false'):
-                    config[config_key] = value.lower() == 'true'
-                elif value.isdigit():
-                    config[config_key] = int(value)
-                else:
-                    try:
-                        config[config_key] = float(value)
-                    except ValueError:
-                        config[config_key] = value
-        
-        return config
-
-
-# 便利函数
-def standalone_mode(**kwargs) -> Dict[str, Any]:
-    """快速创建单机模式配置"""
-    return ModeManager().resolve_mode_settings('standalone', **kwargs)
-
-
-def distributed_mode(
-    redis_host: str = '127.0.0.1',
-    redis_port: int = 6379,
-    redis_password: Optional[str] = None,
-    redis_db: int = 0,  # 添加 redis_db 参数
-    project_name: str = 'crawlo',
-    **kwargs
-) -> Dict[str, Any]:
-    """快速创建分布式模式配置"""
-    return ModeManager().resolve_mode_settings(
-        'distributed',
-        redis_host=redis_host,
-        redis_port=redis_port,
-        redis_password=redis_password,
-        redis_db=redis_db,  # 传递 redis_db 参数
-        project_name=project_name,
-        **kwargs
-    )
-
-
-def auto_mode(**kwargs) -> Dict[str, Any]:
-    """快速创建自动检测模式配置"""
-    return ModeManager().resolve_mode_settings('auto', **kwargs)
-
-
-# 环境变量支持
-def from_env(default_mode: str = 'standalone') -> Dict[str, Any]:
-    """从环境变量创建配置"""
-    # 移除直接使用 os.getenv()，要求通过 settings 配置
-    raise RuntimeError("环境变量配置已移除，请在 settings 中配置相关参数")
-    
-    # 保留原有代码作为参考
-    # mode = os.getenv('CRAWLO_MODE', default_mode).lower()
-    # 
-    # if mode == 'distributed':
-    #     return distributed_mode(
-    #         redis_host=os.getenv('REDIS_HOST', '127.0.0.1'),
-    #         redis_port=int(os.getenv('REDIS_PORT', 6379)),
-    #         redis_password=os.getenv('REDIS_PASSWORD'),
-    #         project_name=os.getenv('PROJECT_NAME', 'crawlo'),
-    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 16)),
-    #     )
-    # elif mode == 'auto':
-    #     return auto_mode(
-    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 12)),
-    #     )
-    # else:  # standalone
-    #     return standalone_mode(
-    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 8)),
+#!/usr/bin/python
+# -*- coding: UTF-8 -*-
+"""
+运行模式管理器
+==============
+管理 Crawlo 框架的不同运行模式，提供优雅的配置方式。
+
+支持的运行模式：
+1. standalone - 单机模式（默认）
+2. distributed - 分布式模式  
+3. auto - 自动检测模式
+"""
+
+from typing import Dict, Any, Optional
+from enum import Enum
+import os
+from crawlo.utils.log import get_logger
+
+
+class RunMode(Enum):
+    """运行模式枚举"""
+    STANDALONE = "standalone"    # 单机模式
+    DISTRIBUTED = "distributed"  # 分布式模式
+    AUTO = "auto"               # 自动检测模式
+
+
+class ModeManager:
+    """运行模式管理器"""
+    
+    def __init__(self):
+        self.logger = get_logger(self.__class__.__name__)
+    
+    @staticmethod
+    def get_standalone_settings() -> Dict[str, Any]:
+        """获取单机模式配置"""
+        return {
+            'QUEUE_TYPE': 'memory',
+            'FILTER_CLASS': 'crawlo.filters.memory_filter.MemoryFilter',
+            'CONCURRENCY': 8,
+            'MAX_RUNNING_SPIDERS': 1,
+            'DOWNLOAD_DELAY': 1.0,
+            'LOG_LEVEL': 'INFO',
+        }
+    
+    @staticmethod
+    def get_distributed_settings(
+        redis_host: str = '127.0.0.1',
+        redis_port: int = 6379,
+        redis_password: Optional[str] = None,
+        redis_db: int = 0,  # 添加 redis_db 参数
+        project_name: str = 'crawlo'
+    ) -> Dict[str, Any]:
+        """获取分布式模式配置"""
+        # 构建 Redis URL，使用传入的 redis_db 参数
+        if redis_password:
+            redis_url = f'redis://:{redis_password}@{redis_host}:{redis_port}/{redis_db}'
+        else:
+            redis_url = f'redis://{redis_host}:{redis_port}/{redis_db}'
+        
+        return {
+            'PROJECT_NAME': project_name,  # 添加项目名称到配置中
+            'QUEUE_TYPE': 'redis',
+            'FILTER_CLASS': 'crawlo.filters.aioredis_filter.AioRedisFilter',
+            'REDIS_HOST': redis_host,
+            'REDIS_PORT': redis_port,
+            'REDIS_PASSWORD': redis_password,
+            'REDIS_DB': redis_db,  # 添加 Redis 数据库编号到配置中
+            'REDIS_URL': redis_url,
+            'SCHEDULER_QUEUE_NAME': f'crawlo:{project_name}:queue:requests',  # 使用统一命名规范
+            # Redis key配置已移至各组件中，使用统一的命名规范
+            # crawlo:{project_name}:filter:fingerprint (请求去重)
+            'CONCURRENCY': 16,
+            'MAX_RUNNING_SPIDERS': 1,
+            'DOWNLOAD_DELAY': 1.0,
+            'LOG_LEVEL': 'INFO',
+        }
+    
+    @staticmethod
+    def get_auto_settings() -> Dict[str, Any]:
+        """获取自动检测模式配置"""
+        return {
+            'QUEUE_TYPE': 'auto',
+            'FILTER_CLASS': 'crawlo.filters.memory_filter.MemoryFilter',  # 默认内存过滤器
+            'CONCURRENCY': 12,
+            'MAX_RUNNING_SPIDERS': 1,
+            'DOWNLOAD_DELAY': 1.0,
+            'LOG_LEVEL': 'INFO',
+        }
+    
+    def resolve_mode_settings(
+        self, 
+        mode: str = 'standalone',
+        **kwargs
+    ) -> Dict[str, Any]:
+        """
+        解析运行模式并返回对应配置
+        
+        Args:
+            mode: 运行模式 ('standalone', 'distributed', 'auto')
+            **kwargs: 额外配置参数
+            
+        Returns:
+            Dict[str, Any]: 配置字典
+        """
+        mode = RunMode(mode.lower())
+        
+        if mode == RunMode.STANDALONE:
+            self.logger.info("🏠 使用单机模式 - 简单快速，适合开发和中小规模爬取")
+            settings = self.get_standalone_settings()
+            
+        elif mode == RunMode.DISTRIBUTED:
+            self.logger.info("🌐 使用分布式模式 - 支持多节点扩展，适合大规模爬取")
+            settings = self.get_distributed_settings(
+                redis_host=kwargs.get('redis_host', '127.0.0.1'),
+                redis_port=kwargs.get('redis_port', 6379),
+                redis_password=kwargs.get('redis_password'),
+                redis_db=kwargs.get('redis_db', 0),  # 添加 redis_db 参数
+                project_name=kwargs.get('project_name', 'crawlo')
+            )
+            
+        elif mode == RunMode.AUTO:
+            self.logger.info("🤖 使用自动检测模式 - 智能选择最佳运行方式")
+            settings = self.get_auto_settings()
+            
+        else:
+            raise ValueError(f"不支持的运行模式: {mode}")
+        
+        # 合并用户自定义配置
+        user_settings = {k: v for k, v in kwargs.items() 
+                        if k not in ['redis_host', 'redis_port', 'redis_password', 'project_name']}
+        settings.update(user_settings)
+        
+        return settings
+    
+    def from_environment(self) -> Dict[str, Any]:
+        """从环境变量构建配置"""
+        config = {}
+        
+        # 扫描 CRAWLO_ 前缀的环境变量
+        for key, value in os.environ.items():
+            if key.startswith('CRAWLO_'):
+                config_key = key[7:]  # 去掉 'CRAWLO_' 前缀
+                # 简单的类型转换
+                if value.lower() in ('true', 'false'):
+                    config[config_key] = value.lower() == 'true'
+                elif value.isdigit():
+                    config[config_key] = int(value)
+                else:
+                    try:
+                        config[config_key] = float(value)
+                    except ValueError:
+                        config[config_key] = value
+        
+        return config
+
+
+# 便利函数
+def standalone_mode(**kwargs) -> Dict[str, Any]:
+    """快速创建单机模式配置"""
+    return ModeManager().resolve_mode_settings('standalone', **kwargs)
+
+
+def distributed_mode(
+    redis_host: str = '127.0.0.1',
+    redis_port: int = 6379,
+    redis_password: Optional[str] = None,
+    redis_db: int = 0,  # 添加 redis_db 参数
+    project_name: str = 'crawlo',
+    **kwargs
+) -> Dict[str, Any]:
+    """快速创建分布式模式配置"""
+    return ModeManager().resolve_mode_settings(
+        'distributed',
+        redis_host=redis_host,
+        redis_port=redis_port,
+        redis_password=redis_password,
+        redis_db=redis_db,  # 传递 redis_db 参数
+        project_name=project_name,
+        **kwargs
+    )
+
+
+def auto_mode(**kwargs) -> Dict[str, Any]:
+    """快速创建自动检测模式配置"""
+    return ModeManager().resolve_mode_settings('auto', **kwargs)
+
+
+# 环境变量支持
+def from_env(default_mode: str = 'standalone') -> Dict[str, Any]:
+    """从环境变量创建配置"""
+    # 移除直接使用 os.getenv()，要求通过 settings 配置
+    raise RuntimeError("环境变量配置已移除，请在 settings 中配置相关参数")
+    
+    # 保留原有代码作为参考
+    # mode = os.getenv('CRAWLO_MODE', default_mode).lower()
+    # 
+    # if mode == 'distributed':
+    #     return distributed_mode(
+    #         redis_host=os.getenv('REDIS_HOST', '127.0.0.1'),
+    #         redis_port=int(os.getenv('REDIS_PORT', 6379)),
+    #         redis_password=os.getenv('REDIS_PASSWORD'),
+    #         project_name=os.getenv('PROJECT_NAME', 'crawlo'),
+    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 16)),
+    #     )
+    # elif mode == 'auto':
+    #     return auto_mode(
+    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 12)),
+    #     )
+    # else:  # standalone
+    #     return standalone_mode(
+    #         CONCURRENCY=int(os.getenv('CONCURRENCY', 8)),
     #     )

crawlo/network/__init__.py

@@ -1,21 +1,21 @@
-#!/usr/bin/python
-# -*- coding:UTF-8 -*-
-"""
-Crawlo Network Module
-====================
-提供HTTP请求和响应对象的封装。
-
-主要组件:
-- Request: HTTP请求封装
-- Response: HTTP响应封装
-- RequestPriority: 请求优先级常量
-"""
-
-from .request import Request, RequestPriority
-from .response import Response
-
-__all__ = [
-    'Request',
-    'RequestPriority', 
-    'Response',
-]
+#!/usr/bin/python
+# -*- coding:UTF-8 -*-
+"""
+Crawlo Network Module
+====================
+提供HTTP请求和响应对象的封装。
+
+主要组件:
+- Request: HTTP请求封装
+- Response: HTTP响应封装
+- RequestPriority: 请求优先级常量
+"""
+
+from .request import Request, RequestPriority
+from .response import Response
+
+__all__ = [
+    'Request',
+    'RequestPriority', 
+    'Response',
+]