scrapy——8 scrapyd使用

scrapy——8    scrapyd使用

1. 什么是scrapyd
2. 怎么安装scrapyd
3. 如何使用scrapyd--运行scrapyd
4. 如何使用scrapyd--配置scrapy.cfg
5. 如何使用scrapyd--添加到爬虫工程
6. 如何使用scrapyd--运行爬虫任务
7. 如何使用scrapyd--停止爬虫任务
8. 如何使用scrapyd--删除爬虫项目
9. 如何使用scrapyd--查看存在的爬虫工程

---

什么是scrapyd？

scrapyd是运行scrapy爬虫的服务程序，它支持以http命令方式发布、删除、启动、停止爬虫程序。而且scrapyd可以同时管理多个爬虫，每个爬虫还可以有多个版本。

特点：

1. 可以避免爬虫源码被看见。
2. 有版本控制。
3. 可以远程启动、停止、删除

scrapyd官方文档：https://scrapyd.readthedocs.io/en/stable/overview.html

怎么安装scrapyd

1. 安装scrapyd

主要有两种方法：

pip install scrapyd （安装的版本可能不是最新的）

从 https://github.com/scrapy/scrapyd 中下载源码，
运行python setup.py install 命令进行安装

　　  2. 安装scrapyd-deploy

主要有两种安装方式：
pip install scrapyd-client（安装的版本可能不是最新版本）
从 http://github.com/scrapy/scrapyd-client 中下源码，
运行python setup.py install 命令进行安装。

---

如何使用scrapyd？

• 运行scrapyd

直接在终端输入scrapyd，访问http链接

• 配置scrapy.cfg

这时进入到我们的scrapy项目中，找到新建scrapy项目都会生成的scrapy.cfg文件

打开后是这样的内容

# Automatically created by: scrapy startproject
#
# For more information about the [deploy] section see:
# https://scrapyd.readthedocs.io/en/latest/deploy.html

[settings]
default = tencent.settings

[deploy]
#url = http://localhost:6800/
project = tencent

1. 首先去掉url前面的注释符号，url是scrapyd服务器的网址
2. 然后project=tenCent为项目名称，可以随意起名
3. 修改[deploy]为[depoly:100]，表示把爬虫发布到名为100的爬虫服务器上，一般在需要同时发布爬虫到多个目标服务器时使用

• 添加到爬虫工程

命令如下：

Scrapyd-deploy <target> -p <project> --version <version>

参数解释：

• target：deploy后面的名称。
• project：自行定义名称，跟爬虫的工程名字无关。
• version：自行定义版本号，不写的话默认为当前时间戳

现在我们来上传一个新的项目到scrapd中

来到项目的能运行scrapy的路径下，输入：

scrapyd-deploy 100 -p tenCent --version v1

这是刷新6800端口网页，会发现已经有项目被添加进来了

此时的job还是没有数据的

• 运行爬虫任务

运行爬虫项目的命令如下：

curl http://localhost:6800/schedule.json -d project=project_name -d spider=spider_name

• project：scrapy.cfg中设置的project
• spider_name：运行scrapy的项目名称===》scrapy list

运行代码以后：

• 停止爬虫任务

  curl http://localhost:6800/cancel.json -d project=project_name -d job=job_id

job_id:如图所致

可以看出，爬虫在2：00时就停止了

log可以查看运行结果

• 删除爬虫

curl http://localhost:6800/delproject.json -d project=project_name

• 查看scrapyd中存在的项目

curl http://localhost:6800/listprojects.json

还有其他更多的命令，请参考官网：https://scrapyd.readthedocs.io/en/latest/api.html