您好,登錄后才能下訂單哦!
這篇文章給大家介紹Pyspider爬蟲框架怎么在Python中使用,內(nèi)容非常詳細,感興趣的小伙伴們可以參考借鑒,希望對大家能有所幫助。
一個國人編寫的強大的網(wǎng)絡爬蟲系統(tǒng)并帶有強大的WebUI。采用Python語言編寫,分布式架構(gòu),支持多種數(shù)據(jù)庫后端,強大的WebUI支持腳本編輯器,任務監(jiān)視器,項目管理器以及結(jié)果查看器。
用Python編寫腳本
功能強大的WebUI,包含腳本編輯器,任務監(jiān)視器,項目管理器和結(jié)果查看器
MySQL,MongoDB,Redis,SQLite,Elasticsearch ; PostgreSQL與SQLAlchemy作為數(shù)據(jù)庫后端
RabbitMQ,Beanstalk,Redis和Kombu作為消息隊列
任務優(yōu)先級,重試,定期,按年齡重新抓取等...
分布式架構(gòu),抓取JavaScript頁面,Python 2和3等...
1>中文文檔:http://www.pyspider.cn/
2>英文文檔:http://docs.pyspider.org/
打開cmd命令行工具,執(zhí)行命令
pip install pyspider
出現(xiàn)下圖則安裝成功
安裝pyspider后,打開cmd命令工具,執(zhí)行命令來啟動服務器
pyspider
出現(xiàn)下圖則啟動服務成功,默認地址端口為127.0.0.1:5000
輸入地址127.0.0.1:5000,打開WebUI界面
隊列統(tǒng)計是為了方便查看爬蟲狀態(tài),優(yōu)化爬蟲爬取速度新增的狀態(tài)統(tǒng)計.每個組件之間的數(shù)字就是對應不同隊列的排隊數(shù)量.通常來是0或是個位數(shù).如果達到了幾十甚至一百說明下游組件出現(xiàn)了瓶頸或錯誤,需要分析處理.
新建項目:pyspider與scrapy最大的區(qū)別就在這,pyspider新建項目調(diào)試項目完全在web下進行,而scrapy是在命令行下開發(fā)并運行測試.
組名:項目新建后一般來說是不能修改項目名的,如果需要特殊標記可修改組名.直接在組名上點鼠標左鍵進行修改.注意:組名改為delete后如果狀態(tài)為stop狀態(tài),24小時后項目會被系統(tǒng)刪除.
運行狀態(tài):這一欄顯示的是當前項目的運行狀態(tài).每個項目的運行狀態(tài)都是單獨設置的.直接在每個項目的運行狀態(tài)上點鼠標左鍵進行修改.運行分為五個狀態(tài):TODO,STOP,CHECKING,DEBUG,RUNNING.各狀態(tài)說明:TODO是新建項目后的默認狀態(tài),不會運行項目.STOP狀態(tài)是停止狀態(tài),也不會運行.CHECHING是修改項目代碼后自動變的狀態(tài).DEBUG是調(diào)試模式,遇到錯誤信息會停止繼續(xù)運行,RUNNING是運行狀態(tài),遇到錯誤會自動嘗試,如果還是錯誤會跳過錯誤的任務繼續(xù)運行.
速度控制:很多朋友安裝好用說爬的慢,多數(shù)情況是速度被限制了.這個功能就是速度設置項.rate是每秒爬取頁面數(shù),burst是并發(fā)數(shù).如1/3是三個并發(fā),每秒爬取一個頁面.
簡單統(tǒng)計:這個功能只是簡單的做的運行狀態(tài)統(tǒng)計,5m是五分鐘內(nèi)任務執(zhí)行情況,1h是一小時內(nèi)運行任務統(tǒng)計,1d是一天內(nèi)運行統(tǒng)計,all是所有的任務統(tǒng)計.
運行:run按鈕是項目初次運行需要點的按鈕,這個功能會運行項目的on_start方法來生成入口任務.
任務列表:顯示最新任務列表,方便查看狀態(tài),查看錯誤等
結(jié)果查看:查看項目爬取的結(jié)果.
點擊上圖中的新建項目按鈕
關(guān)于Pyspider爬蟲框架怎么在Python中使用就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。