内容简介:当爬虫代码编写完毕后,你可以选择直接运行启动文件来启动爬虫,也可以将爬虫部署到 Scrapyd 后,通过 Scrapyd 的 API 来启动爬虫。那么如何将爬虫项目打包并部署到 Scrapyd 呢?笔者 将通过两个具体的部署例子(部署到本地以及部署到云服务器)以熟悉 Scrapy 爬虫项目打包、Scrapyd-client 的安装、使用以及爬虫项目部署过程。
当爬虫代码编写完毕后,你可以选择直接运行启动文件来启动爬虫,也可以将爬虫部署到 Scrapyd 后,通过 Scrapyd 的 API 来启动爬虫。
那么如何将爬虫项目打包并部署到 Scrapyd 呢?
笔者 将通过两个具体的部署例子(部署到本地以及部署到云服务器)以熟悉 Scrapy 爬虫项目打包、Scrapyd-client 的安装、使用以及爬虫项目部署过程。
爬虫项目打包
Scrapyd 打包部署的整个流程为:
打包前期
当你使用 Scrapy 框架编写完爬虫代码之后,你需要将项目进行打包,才能够将其部署到 Scrapyd 上。官方文档对项目的打包有介绍:
Deploying your project involves eggifying it and uploading the egg to Scrapyd via the addversion.json endpoint. You can do this manually, but the easiest way is to use the scrapyd-deploy tool provided by scrapyd-client which will do it all for you. 复制代码
Scrapy 项目需要使用 Scrapyd-client 工具 进行打包。
Scrapyd-client
它是 Scrapy 项目打包专用的客户端工具,同样是由 Scrapy 开发团队开发。使用 Scrapyd-client 将项目打包生成 .egg
文件。
Scrapyd-client 的安装
与 Scrapyd 一样,它也可以通过 pip 进行安装:
pip install scrapyd-client 复制代码
打包前的项目配置
在打包前,我们需要对 Scrapy 项目进行设置。在 Scrapy 项目目录下,找到项目根目录的 .cfg
文件(通常是 scrapy.cfg
)并用编辑器打开:
# Automatically created by: scrapy startproject # # For more information about the [deploy] section see: # https://scrapyd.readthedocs.io/en/latest/deploy.html [settings] default = arts.settings [deploy] #url = http://localhost:6800/ project = arts 复制代码
配置文件分为 Settings 级和 Deploy 级。Settings 中指定了项目所用的配置文件,而 Deploy 中指定项目打包的设置。
- URL - 指定部署的目标地址
- Project - 指定打包的项目
- Deploy - 指定项目别名
本小节,使用的项目为 arts
,Scrapyd 服务为本地服务即 localhost:6800 ,所以这里以此作为基础进行演示。
可以看到 .cfg
文件中 URL 处默认是有注释的,这里将注释去掉,并且为项目添加别名 locals
:
[settings] default = arts.settings [deploy:locals] url = http://localhost:6800/ project = arts 复制代码
打包部署
而后在 arts 项目的根目录( .cfg
同级目录)下使用命令(此时必须保证 Scrapyd 服务是正常运行的):
scrapyd-deploy locals -p arts 复制代码
将项目打包并部署到指定的目标服务上,Scrapyd 服务会将请求结果以 json 格式返回:
node-name:arts$ scrapyd-deploy locals -p arts Packing version 1538645094 Deploying to project "arts" in http://localhost:6800/addversion.json Server response (200): {"node_name": "node-name", "status": "ok", "project": "arts", "version": "1538645094", "spiders": 1} 复制代码
返回信息中包含了此次打包的版本号、目标服务地址、nodeName、项目状态、项目名称以及其中所包含的爬虫数量。并且在 Web 界面上也可以看到项目 arts 的名称,如下图所示:
思考题
scrapy.cfg
文件中 Deploy 级设置里,Deploy 的名称是必须设置的吗?如果不设置会怎么样?可以有多个 Deploy 级配置吗?
我们可以通过动手实验,来验证这些问题。
若 Deploy 不设置名称
可以看到,Deploy 级配置不设置名称的话,在命令行中也无需使用名称,同样可以完成项目的打包。
若多个 Deploy 配置
笔者在 192.168.0.61 服务器启动了 Scrapyd,并且在 scrapy.cfg
文件中设置两组 Deploy 级别配置,其中一个 Deploy 不设置名称且 URL 指向本地 Scrapyd;另一个 Deploy 设置名称为 servers 且 URL 指向服务器的 Scrapyd。 cfg
代码为:
[settings] default = arts.settings [deploy] url = http://localhost:6800/ project = arts [deploy:servers] url = http://192.168.0.61:6800/ project = arts 复制代码
可以看到,多个 Deploy 级别的配置是允许的,并且我们可以使用 Deploy 的名称来区分它们。
小结
通过 Scrapy 项目的部署案例,我们学会了 Scrapyd-client 的安装、使用以及打包前 .cfg
配置文件的相关配置,并且成功的将一个 Scrapy 项目打包部署到目标服务器上。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 【前端打包部署】谈一谈我在SPA项目打包=>部署的处理
- Maven多模块项目打包前的一些注意事项(打包失败)
- tar打包如何不打包某一个文件夹(排除某些文件夹)
- iOS新手用swift写一个macos打包工具 一键打包到指定位置
- 爬虫需谨慎,那些你不知道的爬虫与反爬虫套路!
- 反爬虫之字体反爬虫
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。