帖子 Scrapy ломается не на парсинге, а на мелочах вокруг него

Scrapy ломается не на парсинге, а на мелочах вокруг него Если проект на Scrapy начинает «сыпаться», почти всегда виноваты не селекторы, а обвязка: middleware, пайплайны, лимиты, cookies и состояние между запросами. Это нормальная история для любого краулера, который живёт дольше одного тестового прогона. Что стоит проверять первым: — timeout и retry: иначе ошибки сети маскируются под «пустой сайт» — duplicate filter: если URL похожи, но query-параметры разные, можно потерять часть данных — depth и allowed_domains: легко выстрелить себе в ногу и уйти в лишний обход — item pipeline: именно здесь часто теряются поля, а не в parse-методе Ещё одна типовая ошибка — писать логику как для requests-парсера. В Scrapy ответ приходит асинхронно, и порядок обработки не гарантирован. Если в spider копится состояние, храните его аккуратно: через meta, отдельные структуры или внешнее хранилище, а не через «глобальную переменную на всё». И держите в голове простое правило: если нужно быстро понять, где проблема, смотрите на stats, логи ошибок и сырой response, а не сразу переписывайте XPath. Обычно это экономит больше времени, чем любой рефакторинг.