cron作业失败gae python

我有一个脚本在谷歌Appengine每20分钟由cron.yaml启动。这适用于本地，在我自己的机器上。当我（手动）到网上启动脚本的网址时，它也可以工作。但是，当cron.yaml负责启动它时，脚本总是无法在线完成，在Google的实例中。cron作业失败gae python

日志显示没有错误，只有2调试消息：

D 2013-07-23 06:00:08.449 
type(soup): <class 'bs4.BeautifulSoup'> END type(soup) 

D 2013-07-23 06:00:11.246 
type(soup): <class 'bs4.BeautifulSoup'> END type(soup)

这里是我的脚本：

# coding: utf-8 
import jinja2, webapp2, urllib2, re 

from bs4 import BeautifulSoup as bs 
from google.appengine.api import memcache 
from google.appengine.ext import db 

class Article(db.Model): 
    content = db.TextProperty() 
    datetime = db.DateTimeProperty(auto_now_add=True) 
    companies = db.ListProperty(db.Key) 
    url = db.StringProperty() 

class Company(db.Model): 
    name = db.StringProperty() 
    ticker = db.StringProperty() 

    @property 
    def articles(self): 
     return Article.gql("WHERE companies = :1", self.key()) 

def companies_key(companies_name=None): 
    return db.Key.from_path('Companies', companies_name or 'default_companies') 

def articles_key(articles_name=None): 
    return db.Key.from_path('Articles', articles_name or 'default_articles') 

def scrape(): 
    companies = memcache.get("companies") 
    if not companies: 
     companies = Company.all() 
     memcache.add("companies",companies,30) 
    for company in companies: 
     links = links(company.ticker) 
     links = set(links) 
     for link in links: 
      if link is not "None": 
       article_object = Article() 
       text = fetch(link)    
       article_object.content = text 
       article_object.url = link 
       article_object.companies.append(company.key()) #doesn't work. 
       article_object.put() 

def fetch(link): 
    try: 
     html = urllib2.urlopen(url).read() 
     soup = bs(html) 
    except: 
     return "None" 
    text = soup.get_text() 
    text = text.encode('utf-8') 
    text = text.decode('utf-8') 
    text = unicode(text) 
    if text is not "None": 
     return text 
    else: 
     return "None" 


def links(ticker): 
    url = "https://www.google.com/finance/company_news?q=NASDAQ:" + ticker + "&start=10&num=10" 
    html = urllib2.urlopen(url).read() 
    soup = bs(html) 
    div_class = re.compile("^g-section.*") 
    divs = soup.find_all("div", {"class" : div_class}) 
    links = [] 
    for div in divs: 
     a = unicode(div.find('a', attrs={'href': re.compile("^http://")})) 
     link_regex = re.search("(http://.*?)\"",a) 
     try: 
      link = link_regex.group(1) 
      soup = bs(link) 
      link = soup.get_text() 
     except: 
      link = "None" 
     links.append(link) 

    return links

...和脚本的处理程序主：

class ScrapeHandler(webapp2.RequestHandler): 
    def get(self): 
     scrape.scrape() 
     self.redirect("/")

我的猜测是这个问题可能是scrape脚本中的double for循环，但我不明白为什么。

更新： 文章确实被刮（应该有多少），现在没有日志错误，甚至根本没有调试信息。看着日志，cron作业看起来完美无瑕。即便如此，Appengine的cron工作小组表示cron工作失败。

来源

2013-07-23 memius

发布您的代码，可能是它错了。这些调试消息是否打印在cron作业处理程序中？ – marcadian

调试消息在线显示在gae日志中。这只能在谷歌自己的云中失败。在我的机器上，它没有任何警告或调试。 – memius

你知道它没有启动，日志表明有一些东西正在启动。但可能没有完成。我建议你在那里放更多的日志，看看进程到底有多远。 –

我很确定这个错误是由于DeadlineExceededError，我没有在本地运行。我的scrape（）脚本现在可以在较少的公司和文章上完成它的工作，并且不会超出最后期限。

来源

2013-11-05 20:42:52 memius

cron作业失败gae python

回答

相关问题