快速部署 Scrapy项目 scrapyd

快速部署 Scrapy项目 scrapyd

给服务端 install scrapyd

1. pip install scrapyd  -i https://pypi.tuna.tsinghua.edu.cn/simple
   

2. 运行

   scrapyd
   

   

   3. 修改配置项 ， 以便远程访问

   使用Ctrl +c 停止 上一步的运行的scrapyd

   在要运行scrapyd 命令的路径下，新建文件scrapyd.cnf 文件

   输入以下内容

   [scrapyd]
   # 网页和Json服务监听的IP地址，默认为127.0.0.1（只有改成0.0.0.0 才能在别的电脑上能够访问scrapyd运行之后的服务器）
   bind_address = 0.0.0.0
   # 监听的端口，默认为6800
   http_port   = 6800
   # 是否打开debug模式，默认为off
   debug = off
   

   

在客户端 install scrapyd-client

​ 1. 安装 scrapy-client 命令如下

pip install scrapyd-client  -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 配置Scrapy 项目

​ 修改 scrapy.cfg 文件

2. 1 检查配置

scrapyd-deploay -l

3. 发布scrapy项目到scrapyd所在的服务器（此时爬虫未运行）

# scrapyd-deploy <target> -p <project> --version <version>
# taget : 就是前面配置文件里的deploy后面的的target名字，例如 ubuntu1
# project: 可以随意定义， 建议与 scrapy 爬虫项目名相同
# version: 自定义版本号 不写的话默认为当前时间戳， 一般不写
scrapyd-deploy ubuntu-1 -p douban

注意

• 爬虫目录下不要放无关的py文件，放无关的py文件会导致发布失败，但是当爬虫发布成功后，会在当前目录生成一个setup.py文件，可以删除掉。

4. 发送运行爬虫命令

   curl http://10.211.55.5:6800/schedule.json -d project=douban -d spider=top250
   

5. 停止爬虫

   curl http://ip:6800/cancel.json -d project=项目名 -d job=任务的id值
   

   

   curl http://10.211.55.5:6800/cancel.json -d project=douban -d job=121cc034388a11ebb1a7001c42d0a249
   

   

注意

1. 如果scrapy项目代码，修改了，只需要重新发布到scrapyd所在服务器即可
2. 如果scrapy项目暂停了，可以再次通过curl的方式发送命令让其“断点续爬”

Scrapy项目部署-图形化操作Gerapy

一，说明

Gerapy 是一款国人开发的爬虫管理软件（有中文界面）是一个管理爬虫项目的可视化工具，把项目部署到管理的操作全部变为交互式，实现批量部署，更方便控制、管理、实时查看结果。

gerapy和scrapyd的关系就是，我们可以通过gerapy中配置scrapyd后，不使用命令，直接通过图形化界面开启爬虫。

二，安装

1. 命令 (安装在 爬虫代码 上传端)

   pip install gerapy  -i https://pypi.tuna.tsinghua.edu.cn/simple
   

2. 测试

   

三，使用

1. 创建一个gerapy工作目录

   gerapy init
   

   生成文件夹，如下

   

2. 创建splite 数据库， 存放部署scrapy 项目版本

   gerapy migrate
   

   创建成功之后，用tree命令，查看当前的文件列表

3. 创建用户密码

   

4. 启动服务

   gerapy runserver