1、Scrapyd是一个用来部署和运行Scrapy项目的应用，由Scrapy的开发者开发。其可以通过一个简单的Json API来部署（上传）或者控制你的项目。
2、Scrapyd可以用来管理多个项目，并且每个项目还可以上传多个版本，不过只有最新的版本会被使用。
3、在安装并开启Scrapyd之后，它将会挂起一个服务来监听运行爬虫的请求，并且根据请求为每一个爬虫启用一个进程来运行。
4、Scrapyd同样支持同时运行多个进程，进程的数量由max_proc和max_proc_per_cpu选项来限制
Scrapyd 使用详解：
一、安装scrapyd
pip install scrapyd二、安装scrapyd-client
pip install scrapyd-client三、命令行输入 scrapyd ( 测试scrapyd 是否安装成功如果是这样子就表示安装完成)
si
四、然后我们打开浏览器输入 127.0.0.1:6800 会出现这样一个页面表示scrapyd 安装成功。
五、修改scrapyd的配置，修改成允许远程访问
配置文件路径：D:\mytools\Anconda3\envs\py36\Lib\site-packages\scrapyd
修改 bind_address = 127.0.0.1 为 bind_address = 0.0.0.0
六、添加scrapyd-deploy.bat 文件（因为 scrapyd-deploy 运行会报错， 找不到XXX）
编写内容如下：
@echo off
"D:\mytools\Anconda3\envs\py36\python.exe" "D:\mytools\Anconda3\envs\py36\Scripts\scrapyd-deploy" %*
七、修改scrapyd-deploy文件， 否则scrapyd-deploy 会报导包错误
注释23行， 添加24行代码
from w3lib.http import basic_auth_header
八、配置scrapy项目
进入你的scrapy项目目录,输入 scrapy-deploy –l 列出当前的项目
上传项目：
a、scrapy项目根目录下运行scrapyd-deploy 部署名 -p 项目名，将项目上传至scrapyd服务器 （注意： 必须是scrapy项目根目录）
b、scrapyd运行期间修改scrapy代码无效，必须重启scrapyd
c、运行爬虫命令为curl http://localhost:6800/schedule.json -d project=项目名 -d spider=爬虫名
注意： 这有个大坑： scrapyd 启动 最好在scrapy 项目下启动， 否则一直会报找不到文件的报错。
scrapyd-deploy 部署名 -p 项目名
更多命令参照官网： Scrapyd — Scrapyd 1.2.0 documentation
常用的基本命令：
打包上传项目 ： scrapyd-deploy 爬虫名称 -p 项目名称
查看已经上传至scrapyd服务的项目：curl http://localhost:6800/listprojects.json
查看某一个项目中的所有爬虫名称 curl http://localhost:6800/listspiders.json?project=爬虫项目名称
启动爬虫: curl http://localhost:6800/schedule.json -d project="爬虫项目名称" -d spider="项目中某一个爬虫名称"
删除上传项目： 如果上传的项目无法运行，在本地调整代码之后，需要重新打包上传，将失效的项目删除
curl http://localhost:6800/delproject.json -d project=爬虫项目名称
关闭爬虫： curl http://localhost:6800/cancel.json -d project=爬虫项目名称 -d job=jobid (启动爬虫的时候分配的)九、启动成功之后， 得到的scrapyd 日志会显示乱码， 此时修改文件 website.py, 修改路径和修改内容如下：
from datetime import datetime
import socket
from twisted.web import resource, static
from twisted.application.service import IServiceCollection
from scrapy.utils.misc import load_object
from .interfaces import IPoller, IEggStorage, ISpiderScheduler
from six.moves.urllib.parse import urlparse
class Root(resource.Resource):
def __init__(self, config, app):
resource.Resource.__init__(self)
self.debug = config.getboolean('debug', False)
self.runner = config.get('runner')
logsdir = config.get('logs_dir')
itemsdir = config.get('items_dir')
local_items = itemsdir and (urlparse(itemsdir).scheme.lower() in ['', 'file'])
self.app = app
self.nodename = config.get('node_name', socket.gethostname())
self.putChild(b'', Home(self, local_items))
if logsdir:
self.putChild(b'logs', static.File(logsdir.encode('ascii', 'ignore'), 'text/plain'))
if local_items:
self.putChild(b'items', static.File(itemsdir, 'text/plain'))
self.putChild(b'jobs', Jobs(self, local_items))
services = config.items('services', ())
for servName, servClsName in services:
servCls = load_object(servClsName)
self.putChild(servName.encode('utf-8'), servCls(self))
self.update_projects()
def update_projects(self):
self.poller.update_projects()
self.scheduler.update_projects()
@property
def launcher(self):
app = IServiceCollection(self.app, self.app)
return app.getServiceNamed('launcher')
@property
def scheduler(self):
return self.app.getComponent(ISpiderScheduler)
@property
def eggstorage(self):
return self.app.getComponent(IEggStorage)
@property
def poller(self):
return self.app.getComponent(IPoller)
class Home(resource.Resource):
def __init__(self, root, local_items):
resource.Resource.__init__(self)
self.root = root
self.local_items = local_items
def render_GET(self, txrequest):
vars = {
'projects': ', '.join(self.root.scheduler.list_projects())
}
s = """
<html>
<head><title>Scrapyd</title></head>
<body>
<h1>Scrapyd</h1>
<p>Available projects: <b>%(projects)s</b></p>
<ul>
<li><a href="/jobs">Jobs</a></li>
""" % vars
if self.local_items:
s += '<li><a href="/items/">Items</a></li>'
s += """
<li><a href="/logs/">Logs</a></li>
<li><a href="http://scrapyd.readthedocs.org/en/latest/">Documentation</a></li>
</ul>
<h2>How to schedule a spider?</h2>
<p>To schedule a spider you need to use the API (this web UI is only for
monitoring)</p>
<p>Example using <a href="http://curl.haxx.se/">curl</a>:</p>
<p><code>curl http://localhost:6800/schedule.json -d project=default -d spider=somespider</code></p>
<p>For more information about the API, see the <a href="http://scrapyd.readthedocs.org/en/latest/">Scrapyd documentation</a></p>
</body>
</html>
""" % vars
return s.encode('utf-8')
class Jobs(resource.Resource):
def __init__(self, root, local_items):
resource.Resource.__init__(self)
self.root = root
self.local_items = local_items
def render(self, txrequest):
cols = 8
s = "<html><head><title>Scrapyd</title></head>"
s += "<body>"
s += "<h1>Jobs</h1>"
s += "<p><a href='..'>Go back</a></p>"
s += "<table border='1'>"
s += "<tr><th>Project</th><th>Spider</th><th>Job</th><th>PID</th><th>Start</th><th>Runtime</th><th>Finish</th><th>Log</th>"
if self.local_items:
s += "<th>Items</th>"
cols = 9
s += "</tr>"
s += "<tr><th colspan='%s' style='background-color: #ddd'>Pending</th></tr>" % cols
for project, queue in self.root.poller.queues.items():
for m in queue.list():
s += "<tr>"
s += "<td>%s</td>" % project
s += "<td>%s</td>" % str(m['name'])
s += "<td>%s</td>" % str(m['_job'])
s += "</tr>"
s += "<tr><th colspan='%s' style='background-color: #ddd'>Running</th></tr>" % cols
for p in self.root.launcher.processes.values():
s += "<tr>"
for a in ['project', 'spider', 'job', 'pid']:
s += "<td>%s</td>" % getattr(p, a)
s += "<td>%s</td>" % p.start_time.replace(microsecond=0)
s += "<td>%s</td>" % (datetime.now().replace(microsecond=0) - p.start_time.replace(microsecond=0))
s += "<td></td>"
s += "<td><a href='/logs/%s/%s/%s.log'>Log</a></td>" % (p.project, p.spider, p.job)
# -------------------------增加代码如下-----------------------------
s += "<td><a href='/logs/UTF-8.html?project=%s&spider=%s&job=%s' target='_blank'>UTF-8</a></td>" % (p.project, p.spider, p.job)
#------------------------------------------------------------------
if self.local_items:
s += "<td><a href='/items/%s/%s/%s.jl'>Items</a></td>" % (p.project, p.spider, p.job)
s += "</tr>"
s += "<tr><th colspan='%s' style='background-color: #ddd'>Finished</th></tr>" % cols
for p in self.root.launcher.finished:
s += "<tr>"
for a in ['project', 'spider', 'job']:
s += "<td>%s</td>" % getattr(p, a)
s += "<td></td>"
s += "<td>%s</td>" % p.start_time.replace(microsecond=0)
s += "<td>%s</td>" % (p.end_time.replace(microsecond=0) - p.start_time.replace(microsecond=0))
s += "<td>%s</td>" % p.end_time.replace(microsecond=0)
s += "<td><a href='/logs/%s/%s/%s.log'>Log</a></td>" % (p.project, p.spider, p.job)
# -------------------------增加代码如下-----------------------------
s += "<td><a href='/logs/UTF-8.html?project=%s&spider=%s&job=%s' target='_blank'>UTF-8</a></td>" % (p.project, p.spider, p.job)
#------------------------------------------------------------------
if self.local_items:
s += "<td><a href='/items/%s/%s/%s.jl'>Items</a></td>" % (p.project, p.spider, p.job)
s += "</tr>"
s += "</table>"
s += "</body>"
s += "</html>"
txrequest.setHeader('Content-Type', 'text/html; charset=utf-8')
txrequest.setHeader('Content-Length', str(len(s)))
return s.encode('utf-8')
十、解决日志乱码问题： 在项目路径下找到logs文件，在logs文件，在logs下增加UTF-8.html文件
UTF-8.html文件中代码如下：
<html>
<head><meta charset="UTF-8"></head>
<iframe src="" width="100%" height="100%"></iframe>
<script>
function parseQueryString(url) {
var urlParams = {};
url.replace(
new RegExp("([^?=&]+)(=([^&]*))?", "g"),
function($0, $1, $2, $3) {
urlParams[$1] = $3;
}
);
return urlParams;
}
var kwargs = parseQueryString(location.search);
document.querySelector('iframe').src = "/logs/" + kwargs.project + '/' + kwargs.spider + '/' + kwargs.job + '.log'
</script>
<html>点击 UTF-8 就可以正常的显示中文了
2390
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
