利用scrapyd管理scrapy的多个爬虫

说明：环境准备基于 Ubuntu16.04

---

一、安装

1. sudo pip install scrapyd
2. sudo pip install scrapyd-client

二、验证

命令行输入：scrapyd
输出如下表示打开成功：

bdccl@bdccl-virtual-machine:~$ scrapyd
Removing stale pidfile /home/bdccl/twistd.pid
2017-12-15T19:01:09+0800 [-] Removing stale pidfile /home/bdccl/twistd.pid
2017-12-15T19:01:09+0800 [-] Loading /usr/local/lib/python2.7/dist-packages/scrapyd/txapp.py...
2017-12-15T19:01:10+0800 [-] Scrapyd web console available at http://127.0.0.1:6800/
2017-12-15T19:01:10+0800 [-] Loaded.
2017-12-15T19:01:10+0800 [twisted.scripts._twistd_unix.UnixAppLogger#info] twistd 17.9.0 (/usr/bin/python 2.7.12) starting up.
2017-12-15T19:01:10+0800 [twisted.scripts._twistd_unix.UnixAppLogger#info] reactor class: twisted.internet.epollreactor.EPollReactor.
2017-12-15T19:01:10+0800 [-] Site starting on 6800
2017-12-15T19:01:10+0800 [twisted.web.server.Site#info] Starting factory <twisted.web.server.Site instance at 0x7f9589b0fa28>
2017-12-15T19:01:10+0800 [Launcher] Scrapyd 1.2.0 started: max_proc=4, runner=u'scrapyd.runner'

四、发布爬虫

常用命令：

• 部署爬虫到scrapyd:
  首先切换到爬虫项目根目录下，修改scrapy.cfg，将下面这一行的注释去掉：

  url = http://localhost:6800/

  然后在终端中执行如下命令：

  scrapyd-deploy <*target> -p PROJECT_NAME (target 为项目标签，与scrapy.cfg文件中[deploy]选项对应，可选)

  然后在浏览器中打开：http://localhost:6800/或http://127.0.0.1:6800/即可在浏览器中查看爬虫任务执行状态以及对应爬虫的job_id
  

• 查看状态：

  scrapyd-deploy -l

• 启动爬虫：

  curl http://localhost:6800/schedule.json -d project=PROJECT_NAME -d spider=SPIDER_NAME

• 停止爬虫：

  curl http://localhost:6800/cancel.json -d project=PROJECT_NAME -d job=JOB_ID

• 删除项目：

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

• 列出部署过的项目：

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

• 列出某个项目内的爬虫：

  curl http://localhost:6800/listspiders.json?project=PROJECT_NAME

• 列出某个项目的job：

  curl http://localhost:6800/listjobs.json?project=PROJECT_NAME

---

PS:
* 本文只是简单记录了一些scrapyd的常用命令，如需深入了解scrapyd，建议阅读scrapyd官方文档*