Python pyspider怎么使用

这篇文章主要介绍了Python pyspider怎么使用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python pyspider怎么使用文章都会有所收获，下面我们一起来看看吧。pyspider 是一个支持任务监控、项目管理、多种数据库，具有 WebUI 的爬虫框架，它采用 Python 语言编写，分布式架构。详细特性如下：拥有 Web 脚本编辑界面，任务监控器，项目管理器和结构查看器；数据库支免费云主机域名持 MySQL、MongoDB、Redis、SQLite、Elasticsearch、PostgreSQL、SQLAlchemy；队列服务支持 RabbitMQ、Beanstalk、Redis、Kombu；支持抓取 JavaScript 的页面；组件可替换，支持单机、分布式部署，支持 Docker 部署；强大的调度控制，支持超时重爬及优先级设置；支持 Python2&3。pyspider 主要分为 Scheduler（调度器）、 Fetcher（抓取器）、 Processer（处理器）三个部分，整个爬取过程受到 Monitor（监控器）的监控，抓取的结果被 Result Worker（结果处理器）处理。基本流程为：Scheduler 发起任务调度，Fetcher 抓取网页内容，Processer 解析网页内容，再将新生成的 Request 发给 Scheduler 进行调度，将生成的提取结果输出保存。pyspider 拥有 WebUI，爬虫的编写、调试可在 WebUI 中进行；Scrapy 采用采用代码、命令行操作，实现可视化需对接 Portia。pyspider 支持使用 PhantomJS 对 JavaScript 渲染页面的采集 ；Scrapy 需对接 Scrapy-Splash 组件。pyspider 内置了 PyQuery（Python 爬虫（五）：PyQuery 框架） 作为选择器；Scrapy 对接了 XPath、CSS 选择器、正则匹配。pyspider 扩展性弱；Scrapy 模块之间耦合度低，扩展性强，如：对接 Middleware、 Pipeline 等组件实现更强功能。总的来说，pyspider 更加便捷，Scrapy 扩展性更强，如果要快速实现爬取优选 pyspider，如果爬取规模较大、反爬机制较强，优选 scrapy。pip install pyspider这种方式比较简单，不过在 Windows 系统上可能会出现错误：Command “python setup.py egg_info” failed with error …，我在自己的 Windows 系统上安装时就遇到了该问题，因此，选择了下面第二种方式进行了安装。使用 wheel 方式安装。步骤如下：pip install wheel 安装 wheel；打开网址 https://www.lfd.uci.edu/~gohlke/pythonlibs/，使用 Ctrl + F 搜索 pycurl，根据自己安装的 Python 版本，选择合适的版本下载，比如：我用的 Python3.6，就选择带有 cp36 标识的版本。如下图红框所示：使用 pip 安装下载文件，如：pip install E:pycurl-7.43.0.3-cp36-cp36m-win_amd64.whl；最后还是使用 pip install pyspider 安装。执行以上安装步骤后，我们在控制台输入 pyspider，如图所示：出现上述结果说明启动成功，如果启动时一直卡在 result_worker starting…，我们可以再打开一个控制台窗口，同样输入 pyspider 进行启动，启动成功后关掉之前的窗口即可。启动成功后，我们再验证一下，打开浏览器，输入 http://localhost:5000 访问，如图所示：我们发现确实启动成功了。首先，我们点击图形界面中的 Create 按钮开始创建项目，如图中红框所示：然后会跳出信息填写窗口，如图所示：Project Name：项目名Start URL(s)：爬取链接地址我们需要填写 Project Name 和 Start URL(s)，这里以链家网二手房信息为例：https://hz.lianjia.com/ershoufang，填写完成后点击 Create 按钮。结果如图所示：4.2 爬虫实现pyspider 访问 https 协议的网站时会提示证书问题（通常为 HTTP 599），因此我们需要在 crawl 方法中添加参数 validate_cert=False 来屏蔽证书验证。如图所示：我们计划获取房子的单价（unit_price）、描述标题（title）、卖点信息（sell_point），编写具体实现如下所示：@every(minutes=24 * 60)：通知 Scheduler 每天运行一次。@config(age=10 * 24 * 60 * 60)：设置任务的有效期限。@config(priority=2)：设定任务优先级on_start(self)：程序的入口。self.crawl(url, callback)：主方法，用于创建一个爬取任务。index_page(self, response)：用来抓取返回的 html 文档中对应标签的数据。detail_page(self, response)：返回一个 dict 对象作为结果。我们点击运行按钮，如图所示：点击之后，我们发现 follows 按钮处出现了提示信息，如图所示：点击 follows 按钮，结果如图所示：点击上图中红框圈起来的三角号按钮，结果如图所示：我们随意选一条 detail_page，点击其右侧三角号按钮，结果如图所示：从结果来看，已经可以爬取到我们需要的信息了。获取到信息之后，需要将信息存储起来，我们计划将数据存储到 MySQL 数据库。首先，安装 pymysql，命令如下：pip install pymysql接着添加保存代码，完整代码如下：先测试一下是否能将数据保存到 MySQL 中，还是选一条 detail_page，如图所示：点击其右侧三角号按钮，结果如图所示：从输出结果来看是执行了保存操作，我们再到 MySQL 中看一下，如图所示：数据已经存到了 MySQL 中了。上面我们是手动操作保存的数据，接下来看一下如何通过设置任务保存。点击当前页左上角的 pyspider 按钮，如图所示：返回 dashboard 界面，如图所示：我们点击 status 下方红框圈住的位置，将状态修改为 RUNNING 或 DEBUG，然后点击 actions 下方的 run 按钮即可。关于“Python pyspider怎么使用”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Python pyspider怎么使用”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。

相关推荐: C#中@字符d的含义是什么

本篇内容主要讲解“C#中@字符d的含义是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“C#中@字符d的含义是什么”吧!C# string 字符串的前面可以加 @（称作”逐字字符串”）将转义字符（）当作普通字符对…