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
BullSmall2 小时前
Kafka单机与集群部署全攻略
分布式·kafka
隐语SecretFlow2 小时前
如何在 Kuscia 上运行 SCQL 联合分析任务
分布式·安全·架构·开源
少许极端3 小时前
Redis入门指南:从零到分布式缓存-hash与list类型
redis·分布式·缓存·list·hash
Kratzdisteln4 小时前
【Web-Crawler-Steamdt】以项目文件steamdt_crawler.py学习python爬虫
爬虫·python·学习
jiayong234 小时前
RabbitMQ 完全指南
分布式·rabbitmq
嫂子的姐夫5 小时前
03-自动化小案例
爬虫·自动化·drissionpage
嫂子的姐夫5 小时前
02-DrissionPage
爬虫·drissionpage·自动化爬虫
BullSmall5 小时前
JDK17下Kafka部署全指南
分布式·kafka
Pyeako6 小时前
操作HTML网页(PyCharm版)
爬虫·python·html
傻啦嘿哟6 小时前
学术爬虫实战:构建知网论文关键词共现网络的技术指南
网络·爬虫