Scrapy 运行多个爬虫

本文所使用的 Scrapy 版本：Scrapy==1.8.0

一个 Scrapy 项目下可能会有多个爬虫，本文陈述两种情况：

1. 多个爬虫
2. 所有爬虫

显然，这两种情况并不一定是等同的。假设当前项目下有 3 个爬虫，分别名为：route、dining、experience，并在项目目录下创建一个 main.py 文件，下面的示例代码都写在这个文件中，项目执行时，在命令行下执行 python main.py 或者在 pycharm 中把这个脚本文件设置为执行脚本即可。

1. 运行多个爬虫

核心点：使用 CrawlerProcess

代码如下：

from scrapy.crawler import CrawlerProcess
from scrapy.utils.project import get_project_settings

# 根据项目配置获取 CrawlerProcess 实例
process = CrawlerProcess(get_project_settings())

# 添加需要执行的爬虫
process.crawl('route')
process.crawl('dining')
process.crawl('experience')

# 执行
process.start()

2. 运行所有爬虫

核心点：使用 SpiderLoader

代码如下：

from scrapy.crawler import CrawlerProcess
from scrapy.utils.project import get_project_settings
from scrapy.spiderloader import SpiderLoader

# 根据项目配置获取 CrawlerProcess 实例
process = CrawlerProcess(get_project_settings())

# 获取 spiderloader 对象，以进一步获取项目下所有爬虫名称
spider_loader = SpiderLoader(get_project_settings())

# 添加需要执行的爬虫
for spidername in spider_loader.list():
    process.crawl(spidername)

# 执行
process.start()

3. 关于 ScrapyCommand

网上有部分文章说到使用 ScrapyCommand 这个类下面的 crawler_process.list() 方法可以得到项目下的所有爬虫名称，但我在最新的官方文档中已经搜索不到 ScrapyCommand 这个类，估计是已经弃用了

4. 其它

如果需要向某个爬虫传递参数，可以在 process.crawl 方法中添加进去，例如：

process.crawl('dining', dt='20191119')

则在 dining 这个爬虫（类）中，可以在 __init__ 方法中接收这个 dt 参数。例如：

class Dining(scrapy.Spider):
    name = 'dining'

    def __init__(self, dt)
        self.dt = dt