1.在命令行工具中进入自己的虚拟环境下载scrapy_redis工具包
2.打开自己的爬虫程序,找到settings文件,配置scrapy的调度器和过滤器
就是在settings文件最后加入两句话:
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
如下图所示:
当需要把数据存储到redistribute中时在ITEM_PIPELINES中进行上图配置
3.修改spider爬虫文件
先引入scrapy-redis中的爬虫类: from scrapy_redis.spiders import RedisSpider
再修改爬虫类继承的父类为RedisSpider
其次把start_urls注释掉,不要删掉,之后会用这个值作为网址,来启动爬虫
最后写一个redis_key文件来代替start_urls,如:redis_key = 'yunqi:start_urls', 之后这个值会用作redis读取url地址的标识
4.连接远程服务MySQL,Redis,将远程服务连接开启,保证其他主机能够连接,并进行相关配置
打开mysql中的user表,将其中的root账户的Host更改为%,即可进行远程访问
之后,一定要进行刷新权限,不刷新就不能访问
5.配置远程连接MySQLA和redis地址
配置MYSQL_HOST 为自己的本机地址,并在最下面写入REDIS_URL = 'redis://root:@192.168.9.211:6379'
@后为自己的默认地址,:后为redis端口号
6.以上步骤完成后开始运行调试项目,打开cmd命令行工具,先进入自己redis的安装目录,再进入自己的环境,开启redis服务,如下步骤:
再另开一cmd命令,先进入自己redis的安装目录,再进入自己的环境,输入redis-cli,再进行服务器连接输入lpush redis_key的值 网址,如下图所示
7.点击运行项目,出现下图则表示成功插入数据库