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
云和数据.ChenGuang4 小时前
Logstash配置文件的**语法解析错误**
运维·数据库·分布式·rabbitmq·jenkins
秋饼5 小时前
【三大锁王争霸赛:Java锁、数据库锁、分布式锁谁是卷王?】
java·数据库·分布式
sugar椰子皮5 小时前
【node源码-5】Async Hooks使用
爬虫
回家路上绕了弯6 小时前
深度解析分布式事务3PC:解决2PC痛点的进阶方案
分布式·后端
Boilermaker19926 小时前
[Redis] 分布式缓存与分布式锁
redis·分布式·缓存
lhrimperial9 小时前
RabbitMQ核心技术深度解析
分布式·rabbitmq·ruby
傻啦嘿哟9 小时前
Python爬虫进阶:反爬机制突破与数据存储实战指南
开发语言·爬虫·python
Wang's Blog9 小时前
RabbitMQ: 高可用集群与跨集群通信架构深度解析
分布式·架构·rabbitmq
爱学大树锯10 小时前
【高并发多线程原理】-分布式场景下解决一致性问题方案
分布式
sugar椰子皮11 小时前
【node源码-2】Node.js 启动流程
爬虫·node.js