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
Asher05094 分钟前
Hadoop核心技术与实战指南
大数据·hadoop·分布式
凉凉的知识库28 分钟前
Go中的零值与空值,你搞懂了么?
分布式·面试·go
?Anita Zhang41 分钟前
联邦学习实战:如何在分布式场景下构建隐私保护机器学习模型
人工智能·分布式·机器学习
深蓝电商API1 小时前
结构化数据提取:XPath vs CSS 选择器对比
爬虫·python
tony3651 小时前
pytorch分布式训练解释
人工智能·pytorch·分布式
2501_933329551 小时前
技术深度拆解:Infoseek媒体发布系统的分布式架构与自动化实现
分布式·架构·媒体
易辰君13 小时前
【Python爬虫实战】正则:中文匹配与贪婪非贪婪模式详解
开发语言·爬虫·python
深蓝电商API15 小时前
爬虫增量更新:基于时间戳与哈希去重
爬虫·python
星辰_mya16 小时前
消息队列遇到Producer发送慢
分布式·kafka
电商API_1800790524718 小时前
京东商品评论API接口封装的心路历程
服务器·开发语言·爬虫·数据分析·php