Day 22 22.2：scrapy部署

scrapy项目部署

scrapyd部署工具介绍

• scrapyd是一个用于部署和运行scrapy爬虫的程序，它由 scrapy 官方提供的。它允许你通过JSON API来部署爬虫项目和控制爬虫运行。

所谓json api本质就是post请求的webapi

• 选择一台主机当做服务器，安装并启动 scrapyd 服务。再这之后，scrapyd 会以守护进程的方式存在系统中，监听爬虫地运行与请求，然后启动进程来执行爬虫程序。

环境安装

• scrapyd服务:

​ pip install scrapyd

• scrapyd客户端:

​ pip install scrapyd-client

​ 一定要安装较新的版本10以上的版本，如果是现在安装的一般都是新版本

启动scrapyd服务

• 打开终端在scrapy项目路径下 启动scrapyd的命令： scrapyd

• scrapyd 也提供了 web 的接口。方便我们查看和管理爬虫程序。默认情况下 scrapyd 监听 6800 端口，运行 scrapyd 后。在本机上使用浏览器访问 http://localhost:6800/地址即可查看到当前可以运行的项目。

• 点击job可以查看任务监控界面

scrapy项目部署

配置需要部署的项目

• 编辑需要部署的项目的scrapy.cfg文件(需要将哪一个爬虫部署到scrapyd中，就配置该项目的该文件)

[deploy:部署名(部署名可以自行定义)]
url = http://localhost:6800/
project = 项目名(创建爬虫项目时使用的名称)

username = dream # 如果不需要用户名可以不写
password = 123456 # 如果不需要密码可以不写

部署项目到scrapyd

• 同样在scrapy项目路径下执行如下指令：

  #pycharm
  scrapyd-deploy 部署名(配置文件中设置的名称) -p 项目名称
  

• 部署成功之后就可以看到部署的项目

• 使用以下命令检查部署爬虫结果：

  • #pycharm
    scrapyd-deploy -L 部署名
    

管理scrapy项目

指令管理

• 安装curl命令行工具

  • window需要安装
  • linux和mac无需单独安装

• window安装步骤：

  • 下载curl文件：https://curl.se/download.html，打开网页后向下拖动，找到window系统对应版本下载

  

  • 下载后，放置到一个无中文的文件夹下直接解压缩，解压后将bin文件夹配置环境变量！
  • 参考网页：https://www.cnblogs.com/lisa2016/p/12193494.html

• 启动项目：

  curl http://localhost:6800/schedule.json -d project=项目名 -d spider=爬虫名
  

  • 返回结果：注意期中的jobid，在关闭项目时候会用到

    • {"status": "ok", "jobid": "94bd8ce041fd11e6af1a000c2969bafd", "node_name": "james-virtual-machine"}
      

• 关闭项目：

  • curl http://localhost:6800/cancel.json -d project=项目名 -d job=项目的jobid
    

• 删除爬虫项目：

  • curl http://localhost:6800/delproject.json -d project=爬虫项目名称
    

requests模块控制scrapy项目

import requests

# 启动爬虫
url = 'http://localhost:6800/schedule.json'
data = {
	'project': 项目名,
	'spider': 爬虫名,
}
resp = requests.post(url, data=data)

# 停止爬虫
url = 'http://localhost:6800/cancel.json'
data = {
	'project': 项目名,
	'job': 启动爬虫时返回的jobid,
}
resp = requests.post(url, data=data)