本周又和大家见面了，首先说一下我最近正在做和将要做的一些事情。 技术方面的事情:本次端午假期没有休息，正在使用flask开发自己的个人博客框架，之后我的技术教程将会陆续更新flask方面的内容，尽可能的形成一套完...

接下来，我们会利用Scrapy-Redis来实现分布式的对接。一、准备工作请确保已经成功实现了Scrapy新浪微博爬虫，Scrapy-Redis库已经正确安装。二、搭建Redis服务器要实现分布式部署，多台主机需要共享爬取队列和去重集合，而这...

分布式爬虫完成并可以成功运行了，但是有个环节非常烦琐，那就是代码部署。我们设想下面的几个场景。如果采用上传文件的方式部署代码，我们首先将代码压缩，然后采用SFTP或FTP的方式将文件上传到服务器，之后再连接服务器将文...

这里有现成的工具来完成部署过程，它叫作Scrapyd-Client。本节将简单介绍使用Scrapyd-Client部署Scrapy项目的方法。一、准备工作请先确保Scrapyd-Client已经正确安装。二、Scrapyd-Client 的功能Scrapyd-Client为了方...

我们使用了Scrapyd-Client成功将Scrapy项目部署到Scrapyd运行，前提是需要提前在服务器上安装好Scrapyd并运行Scrapyd服务，而这个过程比较麻烦。如果同时将一个Scrapy项目部署到100台服务器上，我们需要手动配置每台服务器...

我们在上一节实现了Scrapyd和Docker的对接，这样每台主机就不用再安装Python环境和安装Scrapyd了，直接执行一句Docker命令运行Scrapyd服务即可。但是这种做法有个前提，那就是每台主机都安装Docker，然后再去运行Scrapyd服务...

在上一节我们实现了Scrapy对接Selenium抓取淘宝商品的过程，这是一种抓取JavaScript动态渲染页面的方式。除了Selenium，Splash也可以实现同样的功能。本节我们来了解Scrapy对接Splash来进行页面抓取的方式。一、准备工作...

通过Scrapy，我们可以轻松地完成一个站点爬虫的编写。但如果抓取的站点量非常大，比如爬取各大媒体的新闻信息，多个Spider则可能包含很多重复代码。如果我们将各个站点的Spider的公共部分保留下来，不同的部分提取出来作为单...

Scrapyrt为Scrapy提供了一个调度的HTTP接口。有了它我们不需要再执行Scrapy命令，而是通过请求一个HTTP接口即可调度Scrapy任务，我们就不需要借助于命令行来启动项目了。如果项目是在远程服务器运行，利用它来启动项目是个...

前面讲解了Scrapy中各个模块基本使用方法以及代理池、Cookies池。接下来我们以一个反爬比较强的网站新浪微博为例，来实现一下Scrapy的大规模爬取。一、本节目标本次爬取的目标是新浪微博用户的公开基本信息，如用户昵称...