Python爬虫定时任务设置方法
本文深入解析了使用APScheduler为Python爬虫设置可靠定时任务的核心实践,重点攻克时区混淆(必须显式指定`timezone='Asia/Shanghai'`)、异常静默(需手动try/except+`logger.exception`)、日志错乱(推荐`RotatingFileHandler`配`delay=True`和绝对路径)及启动失效(务必调用`start()`并`join()`主线程)四大高频痛点,并指出持久化任务须切换至`SQLAlchemyJobStore`,帮你避开90%的线上故障陷阱,让爬虫真正准时、稳定、可追踪地运行。

APScheduler 怎么配置每天固定时间执行爬虫任务
直接用 BackgroundScheduler + add_job 就能跑,但关键在触发器选对、时区设准、任务不重复。默认用 date 触发器只能跑一次,得换 CronTrigger 或 IntervalTrigger。
常见错误是本地时间 vs UTC 混淆:APScheduler 默认用系统时区,但如果你服务器在海外、代码部署在 Docker 里没配时区,hour=9 可能真在 UTC 9 点(即北京时间 17 点)运行。
- 用
CronTrigger(day_of_week='mon-fri', hour=9, minute=30)最直观,支持 cron 表达式所有语义 - 务必显式传入
timezone='Asia/Shanghai',哪怕本地开发环境已设时区,Docker 容器里大概率没生效 - 避免用
IntervalTrigger(hours=24)模拟“每天”,它从首次启动开始倒计时,长期运行后会漂移
爬虫函数怎么写才不会被 APscheduler 吃掉异常
APScheduler 默认捕获并吞掉任务中抛出的异常,你根本看不到报错,日志里只有 “Job crashed” 一行,排查无从下手。
必须手动加 try/except 包裹主逻辑,并把异常写进日志——别依赖 logging.error 自动传播,scheduler 不转发。
- 在爬虫函数开头加
logger = logging.getLogger(__name__),用logger.exception("抓取失败")记录完整 traceback - 别在任务里调
sys.exit()或 raise 系统级异常(如KeyboardInterrupt),会导致 scheduler 主线程退出 - requests 超时必须设
timeout=(3, 7),否则一个卡死请求会阻塞整个调度器
日志文件怎么按天轮转且不被多进程写乱
APScheduler 在单进程里是安全的,但如果你用 Gunicorn 启多个 worker,或后期改用 ProcessPoolExecutor 并发抓多个站点,日志就可能错行、覆盖、丢内容。
最稳方案是用 RotatingFileHandler 配合 delay=True,且禁止多进程共用同一个 FileHandler 实例。
- 不要用
TimedRotatingFileHandler,它在多进程下轮转逻辑不一致,容易生成app.log.2024-05-01和app.log.2024-05-01.1两份 - 每个爬虫任务函数内单独初始化 logger + handler,handler 设
delay=True,确保首次写日志时才创建文件 - 路径写绝对路径,比如
os.path.join('/var/log/mycrawler', f'crawl_{date.today()}.log'),避免相对路径在不同工作目录下失效
为什么 APScheduler 启动后任务没执行,连日志都不打
最常踩的坑是忘了调 .start(),或者调了但没 join() 住主线程——脚本一跑完就退出,scheduler 还没来得及触发第一次任务。
另一个隐蔽问题是 job store 用内存型(MemoryJobStore)时,程序重启 job 就消失,看着像“没执行”,其实是压根没注册成功。
- 确认写了
scheduler.start(),且后面有try: ... except KeyboardInterrupt: scheduler.shutdown() - 如果想持久化 job(比如机器重启后继续跑),必须换
SQLAlchemyJobStore,配好数据库 URL,光改jobstores字典不够,还得装sqlalchemy - 用
scheduler.print_jobs()打印当前注册的任务,看是否真加进去了——有时add_job报错被忽略,job 根本没注册
时区、异常捕获、日志初始化这三处,改一次能省两小时 debug 时间。其他都是语法细节,错也容易看出来。
到这里,我们也就讲完了《Python爬虫定时任务设置方法》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
Golang reflect处理interface嵌套技巧
- 上一篇
- Golang reflect处理interface嵌套技巧
- 下一篇
- PHP高效批量插入数据技巧解析
-
- 文章 · python教程 | 18小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 18小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 19小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 20小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 20小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1076次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1078次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1182次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1027次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

