Python爬虫-scrapyd

1、什么是scrapyd

　　Scrapyd是一个服务，用来运行scrapy爬虫的。

　　它允许你部署你的scrapy项目以及通过HTTP JSON的方式控制你的爬虫。

　　官方文档：http://scrapyd.readthedocs.org/

2、安装scrapyd和scrapyd-client

　　pip install scrapyd(服务器）

　　pip install scrapyd-client（客户端）

　　安装完成后，在python安装目录的Scripts的文件下有一个scrapyd.exe,在命令行窗口执行后，可以通过访问http://127.0.0.1:6800，进入

一个很简单的页面，

　　执行scrapyd这个命令行，表示服务开启了，

 

 

 　　在浏览器中访问这个服务，

　　上面表示服务端安装成功，现在来安装测试客户端，安装好后，执行scrapyd-deploy来测试是否安装成功，

 

 

 执行失败，我们来看一下Python的Scripts下面是否有一个scrapyd-client.exe命令，

 

 

 从图片中看到里面有一个scrapyd-deploy文件，但不是可执行文件，打开后发现这个文件是一个包含Python代码的文件，所以要是让它

执行，要不用Python解释器来执行这个文件，要不就是把它编译为可执行文件两种方式。

　　第一种方式：

　　　　在这个文件夹里创建scrapyd-deploy.bat文件，并在里面输入：

@echo off
C:\Users\18065\AppData\Local\Programs\Python\Python37-32\python.exe C:\Users\18065\AppData\Local\Programs\Python\Python37-32\Scripts\scrapyd-deploy %*

第二行第一个路径是python解释器的绝对路径，第二路径是scrapyd-deploy文件的绝对路径，然后再来执行scrapyd-deploy命令

 

 

 这样就表明安装成功了

　　第二种方式：

　　　　用可以将python源文件编译为scrapyd-deploy.exe可执行程序的模块pyinstaller

3、上传爬虫项目

　　在上传之前必须修改一下配置文件，将scrapy.cfg中的url注释掉

 

 

 注释掉后，就可以开始正式上传了，上传时必须要在爬虫项目文件中，

执行scrapyd-deploy -p <projectname>,并出现下图中“status”：“ok”,表示上传成功，可以在http://127.0.0.1:6800页面验证

 

 

 

 

4、运行爬虫项目 

上传过后就可以在命令行窗口开始启动爬虫了

启动命令：curl http://127.0.0.1:6800/schedule.json -d project=<projectname> -d spider=<spidername>

启动后，就可以看到在开启服务的那个命令行窗口不断出现scrapy项目运行时的数据，在http://127.0.0.1:6800/jobs页面显示

爬虫运行信息，在http://127.0.0.1:6800/logs/页面显示运行日志

5、关闭爬虫项目

关闭命令：curl http://127.0.0.1:6800/cancel.json -d project=<projectname> -d job=<jobid>

6、其它命令：

daemonstatus.json #查看爬虫状态

addversion.json #添加版本号

listprojects.json #列出所有已经上传到服务器的爬虫工程名

listversions.json #列出指定工程的版本号

listspiders.json #列出指定工程的爬虫名

listjobs.json #列出指定工程的所有正在上传的，正在运行的，和已经完成的 jobid

delversion.json #删除指定工程的某个版本

delproject.json #删除工程