云上部署Python3爬虫-以腾讯云+Ubuntu为例-0525-v1.0张雅慧

前期准备

(也可以到腾讯云开发者实验室体验)

1. 购买云服务器

选择一家云服务厂商, 购买云服务器, 目前国内主流服务均有提供学生版

如果第一次购买, 可以戳这个链接

https://cloud.tencent.com/redirect.php?redirect=1010&cps_key=e042d9552c4c0be2cd377436ca42ee62

2. 下载Xshell, 使用ssh连接服务器

Xshell学生和家用是免费的, 下载地址http://www.netsarang.com/download/free_license.html

下载安装完成后,使用系统分配的公网IP, 系统用户名和对应密码连接服务器.


在Github上克隆代码

git clone https://github.com/FesonX/JobCrawler.git


安装相关依赖

1. 安装Python3

项目使用Python3.6, 可以使用以下连接安装, 将文中的3.5改为3.6即可.

ubuntu14.04安装python3.5并且将其设置为python3默认启动

(https://blog.csdn.net/fireflychh/article/details/78195778)

2. 使用virtualenv(也可以使用Anaconda或Pycharm管理)

Virtualenv允许多版本Python同时在电脑上共存, 安装完Python3及pip后  终端键入

# 安装

pip3 install virtualenv

# 创建虚拟环境

virtualenv spider-env

# 激活虚拟环境

source spider-env/bin/activate

# 退出

deactivate

3. 安装库依赖

因为Scrapy依赖Python.h,在安装库依赖前在终端键入

sudo apt-get install libpython3.6-dev

然后安装依赖, 如果失败, 请逐条尝试

# 在JobCrawler/JobCrawler目录下

pip install -r requirements.txt

4. 安装MongoDB

参照以下连接安装 MongoDB Community Edition

(https://docs.mongodb.com/manual/administration/install-community/)


运行爬虫

终端cd到项目根目录, 键入

# -o job.csv为可选参数, 加入则输出到指定文件中

scrapy crawl jobCrawler -o job.csv


扩展: 使爬虫开机运行

使爬虫在系统开机时自动运行, 对于许多系统来说，最简单 (如果不是最好的)的方式是使用rc.local文件  具体实现方式就交由你自己用搜索引擎探索啦