手把手教你用Scrapy+Gerapy部署网络爬虫

2021-02-05 15:35:59 浏览数 (1)

前言

Hi，大家好，又见面了，我是Python进阶者，废话不多说，直接开始肝吧，奥里给！

爬虫管理效果图

依赖包

文件:requirements.txt‍‍‍‍‍‍‍‍‍

文件的内容这里直接贴出来了：

代码语言：javascript复制
appdirs==1.4.4
APScheduler==3.5.1
attrs==20.1.0
Automat==20.2.0
beautifulsoup4==4.9.1
certifi==2020.6.20
cffi==1.14.2
chardet==3.0.4
constantly==15.1.0
cryptography==3.0
cssselect==1.1.0
Django==1.11.29
django-apscheduler==0.3.0
django-cors-headers==3.2.0
djangorestframework==3.9.2
furl==2.1.0
gerapy==0.9.5
gevent==20.6.2
greenlet==0.4.16
hyperlink==20.0.1
idna==2.10
incremental==17.5.0
itemadapter==0.1.0
itemloaders==1.0.2
Jinja2==2.10.1
jmespath==0.10.0
lxml==4.5.2
MarkupSafe==1.1.1
orderedmultidict==1.0.1
parsel==1.6.0
Protego==0.1.16
pyasn1==0.4.8
pyasn1-modules==0.2.8
pycparser==2.20
PyDispatcher==2.0.5
pyee==7.0.2
PyHamcrest==2.0.2
pymongo==3.11.0
PyMySQL==0.10.0
pyOpenSSL==19.1.0
pyppeteer==0.2.2
pyquery==1.4.1
python-scrapyd-api==2.1.2
pytz==2020.1
pywin32==228
queuelib==1.5.0
redis==3.5.3
requests==2.24.0
Scrapy==1.8.0
scrapy-redis==0.6.8
scrapy-splash==0.7.2
scrapyd==1.2.1
scrapyd-client==1.1.0
service-identity==18.1.0
six==1.15.0
soupsieve==2.0.1
tqdm==4.48.2
Twisted==20.3.0
tzlocal==2.1
urllib3==1.25.10
w3lib==1.22.0
websocket==0.2.1
websockets==8.1
wincertstore==0.2
zope.event==4.4
zope.interface==5.1.0

项目文件

项目文件:qiushi.zip

实现功能:糗事百科段子爬虫,

这是Scrapy项目,依赖包如上

运行项目步骤

  • 在安装好依赖包并且解压项目文件,pip install -r requirements.txt
  • 执行命令scrapy crawl duanzi --nolog

配置Scrapyd

可以理解Scrapyd是一个管理我们写的Scrapy项目的,配置好这个之后,可以通过命令运行,暂停等操作控制爬虫

其他的就不说了,这个用的也不多,我们需要做的就是将它启动就可以了

启动Scrapyd服务

  1. 切换到qiushi爬虫项目目录下,Scrapy爬虫项目需要进入爬虫目录,才能执行命令
  1. 执行命令scrapyd
  1. 游览器输入http://127.0.0.1:6800/,出现以下图片代表正确

打包Scrapy上传到Scrapyd

上述只是启动了Scrapyd,但是并没有将Scrapy项目部署到Scrapy上,需要配置以下Scrapy的scrapy.cfg文件

配置如下

打包命令

代码语言：javascript复制
scrapyd-deploy <部署名> -p <项目名>

本次示例命令

代码语言：javascript复制
scrapyd-deploy qb -p qiushi

如图所示,出现以下图片表示成功

注:过程可能会有问题,解决办法我放在后面了!!!

再次回到游览器,会多了一个项目qiushi,到此为止,Scrapyd已经配置完毕

配置Gerapy

上述都配置完毕之后,就可以进行Gerapy配置了,其实Scrapyd的功能远不止上述那么少,但是是命令操作的,所以不友好,

Gerapy可视化的爬虫管理框架,使用时需要将Scrapyd启动,挂在后台,其实本质还是向Scrapyd服务发请求,只不过是可视化操作而已

基于 Scrapy、Scrapyd、Scrapyd-Client、Scrapy-Redis、Scrapyd-API、Scrapy-Splash、Jinjia2、Django、Vue.js 开发

配置步骤

Gerapy和Scrapy是没有关系的,所以可以随便选一个文件夹,这里我创建了一个gerapyDemo文件夹

  1. 执行命令初始化gerpay gerapy init

会生成一个gerapy文件夹

  1. 进入生成的gerapy文件夹中
  1. 执行命令,会生成一表 gerapy migrate
  1. 启动gerapy服务,默认是8000端口,可以指定端口启动 gerapy runserver gerapy runserver 127.0.0.1:9000 本机 9000端口启动
  1. 打开游览器,输入http://127.0.0.1:8000/,出现以下界面表示成功

当然,一般情况下,大概是这样的界面,我们需要生成账号密码

停止服务,输入命令gerapy creatsuperuser,根据提示创建账号密码就使用账号登录了

在Gerapy添加爬虫项目

上述都配置之后,我们就可以配置爬虫项目了,通过点点点的方式,就可以运行爬虫了

点击 主机管理-->创建,ip是Scrapyd服务的主机,端口是Scrapyd的端口,默认6800,填写后点击创建

然后在主机列表,调度中,就可以运行爬虫了

运行爬虫

获取结果,结果已经写入本地

打包爬虫上传

上述过程,我们只是能玩爬虫了,但是并不彻底,按照道理来说,我们还差一个打包过程,只有打包爬虫了,才算是真正的结合在一起了

步骤

  1. 首先需要将爬虫项目拷贝到gerapy下面的projects文件夹下
  1. 刷新页面,点击项目管理,可以看到可配置和打包都是x号状态

点击部署,写好描述,点击打包

再次回到主界面,可以发现打包已经是正确的了

至此,基本整个流程结束。

解决scrapyd-deploy不是内部外部命令

通常情况下,在执行scrapyd-deploy时,会提示scrapyd-deploy不是内部或外部命令,嗯...这个是正常操作

解决步骤

  1. 找到Python解释器下面的Scripts,新建scrapy.bat和scrapyd-deploy.bat两个文件

修改这两个文件，内容如下

scrapy.bat

代码语言：javascript复制
@echo off
D:programFilesminiconda3envshy_spiderpython D:programFilesminiconda3envshy_spiderScriptsscrapy %*

scrapyd-deploy.bat

代码语言：javascript复制
@echo off
D:programFilesminiconda3envshy_spiderpython D:programFilesminiconda3envshy_spiderScriptsscrapyd-deploy %*

注:红色方框表示是解释器的位置,上述内容是一行的,我粘贴过来怎么调都是两行...,一一对应好就好了。

Gerapy使用流程总结

代码语言：javascript复制
1.gerapy init 初始化,会在文件夹下创建一个gerapy文件夹
2.cd gerapy
3.gerapy migrate
4.gerapy runserver 默认是127.0.0.1:8000
5.gerapy createsuperuser 创建账号密码,默认情况下都是没有的
6.游览器输入127.0.0.1:8000 登录账号密码,进入主页
7.各种操作,比如添加主机,打包项目,定时任务等

总结

上述以入门的方式解决了安排了以下如何通过Gerapy Scrpyd Scrapy可视化部署爬虫。

如果在操作过程中有任务问题,记得下面留言,我们看到会第一时间解决问题。

我是码农星期八,如果觉得还不错,记得动手点赞一下哈，感谢你的观看。

如果你觉得文章还可以，记得点赞留言支持我们哈。感谢你的阅读，有问题请记得在下方留言噢~

想学习更多关于Python的知识，可以参考学习网址：http://pdcfighting.com/，点击阅读原文，可以直达噢~

------------------- End -------------------

scrapy 爬虫 打包 http python

0 人点赞