[[379460]]

前言

Hi，大家好，又見面了，我是Python進階者，廢話不多說，直接開始肝吧，奧里給!

爬蟲管理效果圖

依賴包

文件:requirements.txt

文件的內容這里直接貼出來了：

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 

項目文件

項目文件:qiushi.zip

實現功能:糗事百科段子爬蟲,

這是Scrapy項目,依賴包如上

運行項目步驟

• 在安裝好依賴包并且解壓項目文件,pip install -r requirements.txt
• 執行命令scrapy crawl duanzi --nolog

配置Scrapyd

可以理解Scrapyd是一個管理我們寫的Scrapy項目的,配置好這個之后,可以通過命令運行,暫停等操作控制爬蟲

其他的就不說了,這個用的也不多,我們需要做的就是將它啟動就可以了

啟動Scrapyd服務

1.切換到qiushi爬蟲項目目錄下,Scrapy爬蟲項目需要進入爬蟲目錄,才能執行命令

2.執行命令scrapyd

3.游覽器輸入http://127.0.0.1:6800/,出現以下圖片代表正確

打包Scrapy上傳到Scrapyd

上述只是啟動了Scrapyd,但是并沒有將Scrapy項目部署到Scrapy上,需要配置以下Scrapy的scrapy.cfg文件

配置如下 

打包命令

scrapyd-deploy <部署名> -p <項目名> 

本次示例命令

scrapyd-deploy qb -p qiushi 

如圖所示,出現以下圖片表示成功

注:過程可能會有問題,解決辦法我放在后面了!!!

再次回到游覽器,會多了一個項目qiushi,到此為止,Scrapyd已經配置完畢

配置Gerapy

上述都配置完畢之后,就可以進行Gerapy配置了,其實Scrapyd的功能遠不止上述那么少,但是是命令操作的,所以不友好,

Gerapy可視化的爬蟲管理框架,使用時需要將Scrapyd啟動,掛在后臺,其實本質還是向Scrapyd服務發請求,只不過是可視化操作而已

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

配置步驟

Gerapy和Scrapy是沒有關系的,所以可以隨便選一個文件夾,這里我創建了一個gerapyDemo文件夾

 

執行命令初始化gerpay

gerapy init 

 

1.會生成一個gerapy文件夾

2.進入生成的gerapy文件夾中

3.執行命令,會生成一表

gerapy migrate 

 

4.啟動gerapy服務,默認是8000端口,可以指定端口啟動

gerapy runserver 
gerapy runserver 127.0.0.1:9000 本機 9000端口啟動 

 

4.打開游覽器,輸入http://127.0.0.1:8000/,出現以下界面表示成功

當然,一般情況下,大概是這樣的界面,我們需要生成賬號密碼

 

停止服務,輸入命令gerapy creatsuperuser,根據提示創建賬號密碼就使用賬號登錄了

在Gerapy添加爬蟲項目

上述都配置之后,我們就可以配置爬蟲項目了,通過點點點的方式,就可以運行爬蟲了

點擊 主機管理-->創建,ip是Scrapyd服務的主機,端口是Scrapyd的端口,默認6800,填寫后點擊創建

然后在主機列表,調度中,就可以運行爬蟲了

運行爬蟲

獲取結果,結果已經寫入本地

打包爬蟲上傳

上述過程,我們只是能玩爬蟲了,但是并不徹底,按照道理來說,我們還差一個打包過程,只有打包爬蟲了,才算是真正的結合在一起了

步驟

1.首先需要將爬蟲項目拷貝到gerapy下面的projects文件夾下

2.刷新頁面,點擊項目管理,可以看到可配置和打包都是x號狀態

3.點擊部署,寫好描述,點擊打包

 

4.再次回到主界面,可以發現打包已經是正確的了

 

至此,基本整個流程結束。

解決scrapyd-deploy不是內部外部命令

通常情況下,在執行scrapyd-deploy時,會提示scrapyd-deploy不是內部或外部命令,嗯...這個是正常操作

解決步驟

1.找到Python解釋器下面的Scripts,新建scrapy.bat和scrapyd-deploy.bat兩個文件

修改這兩個文件，內容如下

scrapy.bat 

@echo off 
D:\programFiles\miniconda3\envs\hy_spider\python D:\programFiles\miniconda3\envs\hy_spider\Scripts\scrapy %* 

 

scrapyd-deploy.bat 

@echo off 
D:\programFiles\miniconda3\envs\hy_spider\python D:\programFiles\miniconda3\envs\hy_spider\Scripts\scrapyd-deploy %* 

 注:紅色方框表示是解釋器的位置,上述內容是一行的,我粘貼過來怎么調都是兩行...,一一對應好就好了。

Gerapy使用流程總結

1.gerapy init 初始化,會在文件夾下創建一個gerapy文件夾 
2.cd gerapy 
3.gerapy migrate 
4.gerapy runserver 默認是127.0.0.1:8000 
5.gerapy createsuperuser 創建賬號密碼,默認情況下都是沒有的 
6.游覽器輸入127.0.0.1:8000 登錄賬號密碼,進入主頁 
7.各種操作,比如添加主機,打包項目,定時任務等 

總結

上述以入門的方式解決了安排了以下如何通過Gerapy + Scrpyd + Scrapy可視化部署爬蟲。