scrapy+scrapyd+gerapy爬虫调度框架超详细教程
本文整理自网络，侵删。
目录
- 一、scrapy
- 1.1 概述
- 1.2 构成
- 1.3 安装和使用
- 二、scrapyd
- 2.1 简介
- 2.2 安装和使用
- 三、gerapy
- 3.1 简介
- 3.2 安装使用
- 四、scrapy+scrapyd+gerapy的结合使用
- 4.1 创建scrapy项目
- 4.2 部署打包scrapy项目
- 4.3 运行
- 五、填坑
- 5.1 运行scrapy爬虫报错
- 5.2 scrapyd 运行 scrapy 报错
一、scrapy
1.1 概述
Scrapy，Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试.
其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的， 后台也应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫.
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持.
1.2 构成
Scrapy框架主要由五大组件组成，它们分别是调度器(Scheduler)、下载器(Downloader)、爬虫（Spider）和实体管道(Item Pipeline)、Scrapy引擎(Scrapy Engine)。下面我们分别介绍各个组件的作用。
(1)、调度器(Scheduler):
调度器，说白了把它假设成为一个URL（抓取网页的网址或者说是链接）的优先队列，由它来决定下一个要抓取的网址是 什么，同时去除重复的网址（不做无用功）。用户可以自己的需求定制调度器。
(2)、下载器(Downloader):
下载器，是所有组件中负担最大的，它用于高速地下载网络上的资源。Scrapy的下载器代码不会太复杂，但效率高，主要的原因是Scrapy下载器是建立在twisted这个高效的异步模型上的(其实整个框架都在建立在这个模型上的)。
(3)、 爬虫（Spider）:
爬虫，是用户最关心的部份。用户定制自己的爬虫(通过定制正则表达式等语法)，用于从特定的网页中提取自己需要的信息，即所谓的实体(Item)。 用户也可以从中提取出链接,让Scrapy继续抓取下一个页面。
(4)、 实体管道(Item Pipeline):
实体管道，用于处理爬虫(spider)提取的实体。主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。
(5)、Scrapy引擎(Scrapy Engine):
Scrapy引擎是整个框架的核心.它用来控制调试器、下载器、爬虫。实际上，引擎相当于计算机的CPU,它控制着整个流程。
1.3 安装和使用
安装
pip install scrapy(或pip3 install scrapy）
使用
创建新项目：scrapy startproject 项目名
创建新爬虫：scrapy genspider 爬虫名 域名
启动爬虫： scrapy crawl 爬虫名
二、scrapyd
2.1 简介
scrapyd是一个用于部署和运行scrapy爬虫的程序，它允许你通过JSON API来部署爬虫项目和控制爬虫运行，scrapyd是一个守护进程，监听爬虫的运行和请求，然后启动进程来执行它们
2.2 安装和使用
安装
pip install scrapyd(或pip3 install scrapyd）pip install scrapyd-client(或pip3 install scrapyd-client）
文件配置
vim /usr/local/python3/lib/python3.7/site-packages/scrapyd/default_scrapyd.conf
启动
scrapyd
访问 ip:6800，出现此页面则启动成功
三、gerapy
3.1 简介
Gerapy 是一款分布式爬虫管理框架，支持 Python 3，基于 Scrapy、Scrapyd、Scrapyd-Client、Scrapy-Redis、Scrapyd-API、Scrapy-Splash、Jinjia2、Django、Vue.js 开发，Gerapy 可以帮助我们：
- 方便地控制爬虫运行
- 直观地查看爬虫状态
- 实时地查看爬取结果
- 简单地实现项目部署
- 统一地实现主机管理
- 轻松地编写爬虫代码
3.2 安装使用
安装
pip install gerapy(或pip3 install gerapy）
阅读剩余部分
相关阅读 >>
深入Sqlite基本操作的总结详解
android将图片转换存到数据库再从数据库读取转换成图片实现代码
php出现内存位置访问无效错误问题解决方法
Sqlite教程（五）：索引和数据分析清理
springboot集成内存数据库derby的实践
python数据库如何连接Sqlite详解
python实现sql注入检测插件实例代码
将 ghost 从 Sqlite3 数据库迁移到 mysql 数据库
python实现读取txt文件数据并存进内置数据库Sqlite3的方法
利用apacheftpserver搭建ftp服务器的方法步骤
更多相关阅读请进入《Sqlite》频道 >>
数据库系统概念 第6版
本书主要讲述了数据模型、基于对象的数据库和XML、数据存储和查询、事务管理、体系结构等方面的内容。
猜你喜欢
联络方式：
400-123-789
邮箱：xiachao@163.com
Q Q：12345678
