基于scrapy框架的单机爬虫与分布式爬虫

我们知道,对于scrapy框架来说,不仅可以单机构建复杂的爬虫项目,还可以通过简单的修改,将单机版爬虫改为分布式的,大大提高爬取效率。下面我就以一个简单的爬虫案例,介绍一下如何构建一个单机版的爬虫,并做简单修改,使其实现分布式功能。

需求分析

  1. 访问页面,并实现1-10页的页面爬取,并保存到data目录下
  2. 解析页面,并获取到图片链接,并下载图片,保存到imgs目录下

单机版爬虫

准备爬虫项目

使用命令构建爬虫项目

在自己的放置爬虫的目录,或新目录内运行命令scrapy startproject scrapyMovieDemo 创建一个scrapy工程

效果如下:

使用命令构建爬虫

使用cd scrapyMovieDemo命令进入已经创建的爬虫项目目录

运行scrapy genspider mv_spider_single ssr4.scrape.center命令创建基础爬虫

效果如下:

下面我们来看一下创建爬虫工程与创建爬虫过程中,我们的工程与项目文件结构

如下:

最外层是一个名为scrapyMovieDemo的目录

  1. 创建data与imgs目录
  2. 开发单机爬虫
  3. 修改settings配置
  4. 命令启动
  5. 脚本启动
  6. 评估与回顾
相关推荐
最贪吃的虎12 小时前
Java基础之泛型
java·运维·jvm·分布式·后端
雪碧聊技术16 小时前
基于Redis的分布式锁
数据库·redis·分布式
前端世界19 小时前
HarmonyOS 分布式身份认证详解:设备是如何“互相信任”的?
分布式·华为·harmonyos
予枫的编程笔记21 小时前
【Java 进阶3】Kafka从入门到实战:全面解析分布式消息队列的核心与应用
java·分布式·kafka
Miqiuha1 天前
生成唯一id
分布式
devnullcoffee2 天前
2026年亚马逊数据采集与反爬虫对抗技术深度解析
爬虫·scrape api·亚马逊数据追踪·亚马逊数据 api·亚马逊反爬虫·爬虫对抗
左灯右行的爱情2 天前
Kafka专辑- 整体架构
分布式·架构·kafka
山上春2 天前
Odoo 分布式单体与微服务模式深度对比研究报告
分布式·微服务·架构
左灯右行的爱情2 天前
Kafka专辑 : 生产者写入路径
分布式·kafka·linq
java1234_小锋2 天前
Zookeeper集群数据是如何同步的?
分布式·zookeeper·云原生