Scrapy 伪分布式爬虫

Scrapy 伪分布式爬虫

应用 Scrapy框架 ,使用redis实现伪分布式爬虫。

# settings 配置redis

SCHEDULER = "scrapy_redis.scheduler.Scheduler"
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
SCHEDULER_PERSIST = True
# spider 引入并配置redis

import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from proxy.items import ProxyItem
from scrapy_redis.spiders import RedisCrawlSpider

class XiciSpider(RedisCrawlSpider):
    name = 'xici'
    redis_key = 'myspider:start_urls'

    def parse_start_url(self, response):
        print(response)

    rules = (
        Rule(LinkExtractor(allow=r'/nt/'), callback='parse_item', follow=True),
    )

    def parse_item(self, response):
        print(response.url)
        item = ProxyItem()
        list = response.xpath('//table[@id="ip_list"]/tr')
        for listItem in list:
            item['country'] = listItem.xpath('.//td[1]/img/@alt').get()
            item['ipAddress'] = listItem.xpath('.//td[2]/text()').get()
            item['port'] = listItem.xpath('.//td[3]/text()').get()
            item['serverAddress'] = listItem.xpath('.//td[4]/a/text()').get()
            item['type'] = str(listItem.xpath('.//td[6]/text()').get()).lower()
            item['timeToLive'] = listItem.xpath('.//td[9]/text()').get()
            item['proofTime'] = listItem.xpath('.//td[10]/text()').get()
            yield item

启动 redis服务 - redis-server。

在这里插入图片描述

启动爬虫,监听

在这里插入图片描述

启动redis客户端 - redis-cli, 执行伪分布式爬虫

在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值