準(zhǔn)備工作

1.安裝scrapy_redis包,打開cmd工具,執(zhí)行命令pip install scrapy_redis

2.準(zhǔn)備好一個沒有BUG,沒有報錯的爬蟲項目

3.準(zhǔn)備好redis主服務(wù)器還有跟程序相關(guān)的mysql數(shù)據(jù)庫

前提mysql數(shù)據(jù)庫要打開允許遠程連接,因為mysql安裝后root用戶默認(rèn)只允許本地連接,詳情請看此文章

部署過程

1.修改爬蟲項目的settings文件

在下載的scrapy_redis包中,有一個scheduler.py文件,里面有一個Scheduler類,是用來調(diào)度url,還有一個dupefilter.py文件,里面有個類是RFPDupeFilter,是用來去重,所以要在settings任意位置文件中添加上它們

還有在scrapy_redis包中,有一個pipelines文件,里面的RedisPipeline類可以把爬蟲的數(shù)據(jù)寫入redis,更穩(wěn)定安全,所以要在settings中啟動pipelines的地方啟動此pipeline

最后修改redis連接配置

2.修改spider爬蟲文件

首先我們要引入一個scrapy_redis.spider文件中的一個RedisSpider類,然后把spider爬蟲文件原來繼承的scrapy.Spider類改為引入的RedisSpider這個類

接著把原來的start_urls這句代碼注釋掉,加入redis_key = '自定義key值',一般以爬蟲名:urls命名

測試部署是否成功

直接運行我們的項目,

打開redis客戶端在redis添加key為yunqi:start_urls的列表,值為地址

添加成功后,程序直接跑了起來

查看數(shù)據(jù)是否插入

分布式用到的代碼應(yīng)該是同一套代碼
1） 先把項目配置為分布式
2） 把項目拷貝到多臺服務(wù)器中
3） 把所有爬蟲項目都跑起來
4） 在主redis-cli中l(wèi)push你的網(wǎng)址即可
5） 效果：所有爬蟲都開始運行，并且數(shù)據(jù)還都不一樣

到此這篇關(guān)于Scrapy基于scrapy_redis實現(xiàn)分布式爬蟲部署的示例的文章就介紹到這了,更多相關(guān)Scrapy redis分布式爬蟲 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論