crawlo 1.2.6__py3-none-any.whl → 1.2.7__py3-none-any.whl

crawlo/commands/stats.py

@@ -1,188 +1,188 @@
-#!/usr/bin/python
-# -*- coding: UTF-8 -*-
-"""
-# @Time    : 2025-08-31 22:36
-# @Author  : crawl-coder
-# @Desc    : 命令行入口：crawlo stats，查看最近运行的爬虫统计信息。
-"""
-import json
-from pathlib import Path
-from datetime import datetime
-from typing import Dict, Any
-
-from rich.console import Console
-from rich.table import Table
-from rich.panel import Panel
-from rich.text import Text
-from rich import box
-
-from crawlo.utils.log import get_logger
-
-
-logger = get_logger(__name__)
-console = Console()
-
-# 默认存储目录（相对于项目根目录）
-STATS_DIR = "logs/stats"
-
-
-def get_stats_dir() -> Path:
-    """
-    获取统计文件存储目录，优先使用项目根下的 logs/stats/
-    如果不在项目中，回退到当前目录
-    """
-    current = Path.cwd()
-    for _ in range(10):
-        if (current / "crawlo.cfg").exists():
-            return current / STATS_DIR
-        if current == current.parent:
-            break
-        current = current.parent
-    return Path.cwd() / STATS_DIR
-
-
-def record_stats(crawler):
-    """
-    【供爬虫运行时调用】记录爬虫结束后的统计信息到 JSON 文件
-    需在 Crawler 的 closed 回调中调用
-    """
-    spider_name = getattr(crawler.spider, "name", "unknown")
-    stats = crawler.stats.get_stats() if crawler.stats else {}
-
-    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
-    stats_dir = Path(get_stats_dir())
-    stats_dir.mkdir(parents=True, exist_ok=True)
-
-    filename = stats_dir / f"{spider_name}_{timestamp}.json"
-    try:
-        with open(filename, "w", encoding="utf-8") as f:
-            json.dump({
-                "spider": spider_name,
-                "timestamp": datetime.now().isoformat(),
-                "stats": stats
-            }, f, ensure_ascii=False, indent=2, default=str)
-        logger.info(f"📊 爬虫 '{spider_name}' 的统计信息已保存 → {filename}")
-    except Exception as e:
-        logger.error(f"保存 '{spider_name}' 的统计信息失败: {e}")
-
-
-def load_all_stats() -> Dict[str, list]:
-    """
-    加载所有已保存的统计文件，按 spider name 分组
-    返回: {spider_name: [stats_record, ...]}
-    """
-    stats_dir = get_stats_dir()
-    if not stats_dir.exists():
-        return {}
-
-    result = {}
-    json_files = sorted(stats_dir.glob("*.json"), key=lambda x: x.stat().st_mtime, reverse=True)
-
-    for file in json_files:
-        try:
-            with open(file, "r", encoding="utf-8") as f:
-                data = json.load(f)
-            spider_name = data.get("spider", "unknown")
-            result.setdefault(spider_name, []).append(data)
-        except Exception as e:
-            logger.warning(f"加载统计文件 {file} 失败: {e}")
-    return result
-
-
-def format_value(v: Any) -> str:
-    """格式化值，防止太长或不可打印"""
-    if isinstance(v, float):
-        return f"{v:.4f}"
-    s = str(v)
-    if len(s) > 80:
-        return s[:77] + "..."
-    return s
-
-
-def display_stats_table(stats_data: dict, title: str = "统计信息"):
-    """通用函数：用 rich.table 展示统计数据"""
-    table = Table(title=title, box=box.ROUNDED, show_header=True, header_style="bold magenta")
-    table.add_column("键", style="cyan", no_wrap=True)
-    table.add_column("值", style="green")
-
-    for k in sorted(stats_data.keys()):
-        table.add_row(k, format_value(stats_data[k]))
-
-    console.print(table)
-
-
-def main(args):
-    """
-    主函数：查看统计信息
-    用法:
-        crawlo stats                 → 显示所有爬虫最近一次运行
-        crawlo stats myspider        → 显示指定爬虫所有历史记录
-        crawlo stats myspider --all  → 显示所有历史（同上）
-    """
-    if len(args) > 2:
-        console.print("[bold red]错误:[/bold red] 用法: [blue]crawlo stats[/blue] [爬虫名称] [--all]")
-        return 1
-
-    spider_name = None
-    show_all = False
-
-    if args:
-        spider_name = args[0]
-        show_all = "--all" in args or "-a" in args
-
-    all_stats = load_all_stats()
-
-    if not all_stats:
-        console.print(Panel(
-            Text.from_markup(
-                ":chart_with_upwards_trend: [bold]未找到统计信息。[/bold]\n"
-                "💡 先运行一个爬虫以生成统计信息。\n"
-                f"📁 统计目录: [cyan]{get_stats_dir()}[/cyan]"
-            ),
-            title="📊 统计信息",
-            border_style="yellow",
-            padding=(1, 2)
-        ))
-        return 0
-
-    # 显示所有爬虫最近一次运行
-    if not spider_name:
-        console.print(Panel(
-            "[bold]最近的爬虫统计信息（上次运行）[/bold]",
-            title="📊 爬虫统计概览",
-            border_style="green",
-            padding=(0, 1)
-        ))
-
-        for name, runs in all_stats.items():
-            latest = runs[0]
-            ts = latest['timestamp'][:19]
-            console.print(f"🕷️  [bold cyan]{name}[/bold cyan] ([green]{ts}[/green])")
-            display_stats_table(latest["stats"], title=f"{name} 的统计信息")
-            console.print()  # 空行分隔
-
-        return 0
-
-    # 显示指定爬虫的历史
-    if spider_name not in all_stats:
-        console.print(f"[bold red]:cross_mark: 未找到爬虫 '[cyan]{spider_name}[/cyan]' 的统计信息[/bold red]")
-        available = ', '.join(all_stats.keys())
-        if available:
-            console.print(f":bulb: 可用爬虫: [green]{available}[/green]")
-        return 1
-
-    runs = all_stats[spider_name]
-    if show_all:
-        console.print(f":bar_chart: [bold]'[cyan]{spider_name}[/cyan]' 的所有运行记录 ({len(runs)} 次):[/bold]")
-    else:
-        runs = runs[:1]
-        console.print(f":bar_chart: [bold]'[cyan]{spider_name}[/cyan]' 的上次运行:[/bold]")
-
-    for i, run in enumerate(runs, 1):
-        ts = run['timestamp']
-        subtitle = f"运行 #{i} · {ts}" if show_all else f"上次运行 · {ts}"
-        display_stats_table(run["stats"], title=f"{spider_name} 的统计信息 — {subtitle}")
-        if i < len(runs):
-            console.print("─" * 60)
-
+#!/usr/bin/python
+# -*- coding: UTF-8 -*-
+"""
+# @Time    : 2025-08-31 22:36
+# @Author  : crawl-coder
+# @Desc    : 命令行入口：crawlo stats，查看最近运行的爬虫统计信息。
+"""
+import json
+from pathlib import Path
+from datetime import datetime
+from typing import Dict, Any
+
+from rich.console import Console
+from rich.table import Table
+from rich.panel import Panel
+from rich.text import Text
+from rich import box
+
+from crawlo.utils.log import get_logger
+
+
+logger = get_logger(__name__)
+console = Console()
+
+# 默认存储目录（相对于项目根目录）
+STATS_DIR = "logs/stats"
+
+
+def get_stats_dir() -> Path:
+    """
+    获取统计文件存储目录，优先使用项目根下的 logs/stats/
+    如果不在项目中，回退到当前目录
+    """
+    current = Path.cwd()
+    for _ in range(10):
+        if (current / "crawlo.cfg").exists():
+            return current / STATS_DIR
+        if current == current.parent:
+            break
+        current = current.parent
+    return Path.cwd() / STATS_DIR
+
+
+def record_stats(crawler):
+    """
+    【供爬虫运行时调用】记录爬虫结束后的统计信息到 JSON 文件
+    需在 Crawler 的 closed 回调中调用
+    """
+    spider_name = getattr(crawler.spider, "name", "unknown")
+    stats = crawler.stats.get_stats() if crawler.stats else {}
+
+    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+    stats_dir = Path(get_stats_dir())
+    stats_dir.mkdir(parents=True, exist_ok=True)
+
+    filename = stats_dir / f"{spider_name}_{timestamp}.json"
+    try:
+        with open(filename, "w", encoding="utf-8") as f:
+            json.dump({
+                "spider": spider_name,
+                "timestamp": datetime.now().isoformat(),
+                "stats": stats
+            }, f, ensure_ascii=False, indent=2, default=str)
+        logger.info(f"📊 爬虫 '{spider_name}' 的统计信息已保存 → {filename}")
+    except Exception as e:
+        logger.error(f"保存 '{spider_name}' 的统计信息失败: {e}")
+
+
+def load_all_stats() -> Dict[str, list]:
+    """
+    加载所有已保存的统计文件，按 spider name 分组
+    返回: {spider_name: [stats_record, ...]}
+    """
+    stats_dir = get_stats_dir()
+    if not stats_dir.exists():
+        return {}
+
+    result = {}
+    json_files = sorted(stats_dir.glob("*.json"), key=lambda x: x.stat().st_mtime, reverse=True)
+
+    for file in json_files:
+        try:
+            with open(file, "r", encoding="utf-8") as f:
+                data = json.load(f)
+            spider_name = data.get("spider", "unknown")
+            result.setdefault(spider_name, []).append(data)
+        except Exception as e:
+            logger.warning(f"加载统计文件 {file} 失败: {e}")
+    return result
+
+
+def format_value(v: Any) -> str:
+    """格式化值，防止太长或不可打印"""
+    if isinstance(v, float):
+        return f"{v:.4f}"
+    s = str(v)
+    if len(s) > 80:
+        return s[:77] + "..."
+    return s
+
+
+def display_stats_table(stats_data: dict, title: str = "统计信息"):
+    """通用函数：用 rich.table 展示统计数据"""
+    table = Table(title=title, box=box.ROUNDED, show_header=True, header_style="bold magenta")
+    table.add_column("键", style="cyan", no_wrap=True)
+    table.add_column("值", style="green")
+
+    for k in sorted(stats_data.keys()):
+        table.add_row(k, format_value(stats_data[k]))
+
+    console.print(table)
+
+
+def main(args):
+    """
+    主函数：查看统计信息
+    用法:
+        crawlo stats                 → 显示所有爬虫最近一次运行
+        crawlo stats myspider        → 显示指定爬虫所有历史记录
+        crawlo stats myspider --all  → 显示所有历史（同上）
+    """
+    if len(args) > 2:
+        console.print("[bold red]错误:[/bold red] 用法: [blue]crawlo stats[/blue] [爬虫名称] [--all]")
+        return 1
+
+    spider_name = None
+    show_all = False
+
+    if args:
+        spider_name = args[0]
+        show_all = "--all" in args or "-a" in args
+
+    all_stats = load_all_stats()
+
+    if not all_stats:
+        console.print(Panel(
+            Text.from_markup(
+                ":chart_with_upwards_trend: [bold]未找到统计信息。[/bold]\n"
+                "💡 先运行一个爬虫以生成统计信息。\n"
+                f"📁 统计目录: [cyan]{get_stats_dir()}[/cyan]"
+            ),
+            title="📊 统计信息",
+            border_style="yellow",
+            padding=(1, 2)
+        ))
+        return 0
+
+    # 显示所有爬虫最近一次运行
+    if not spider_name:
+        console.print(Panel(
+            "[bold]最近的爬虫统计信息（上次运行）[/bold]",
+            title="📊 爬虫统计概览",
+            border_style="green",
+            padding=(0, 1)
+        ))
+
+        for name, runs in all_stats.items():
+            latest = runs[0]
+            ts = latest['timestamp'][:19]
+            console.print(f"🕷️  [bold cyan]{name}[/bold cyan] ([green]{ts}[/green])")
+            display_stats_table(latest["stats"], title=f"{name} 的统计信息")
+            console.print()  # 空行分隔
+
+        return 0
+
+    # 显示指定爬虫的历史
+    if spider_name not in all_stats:
+        console.print(f"[bold red]:cross_mark: 未找到爬虫 '[cyan]{spider_name}[/cyan]' 的统计信息[/bold red]")
+        available = ', '.join(all_stats.keys())
+        if available:
+            console.print(f":bulb: 可用爬虫: [green]{available}[/green]")
+        return 1
+
+    runs = all_stats[spider_name]
+    if show_all:
+        console.print(f":bar_chart: [bold]'[cyan]{spider_name}[/cyan]' 的所有运行记录 ({len(runs)} 次):[/bold]")
+    else:
+        runs = runs[:1]
+        console.print(f":bar_chart: [bold]'[cyan]{spider_name}[/cyan]' 的上次运行:[/bold]")
+
+    for i, run in enumerate(runs, 1):
+        ts = run['timestamp']
+        subtitle = f"运行 #{i} · {ts}" if show_all else f"上次运行 · {ts}"
+        display_stats_table(run["stats"], title=f"{spider_name} 的统计信息 — {subtitle}")
+        if i < len(runs):
+            console.print("─" * 60)
+
     return 0