[Python3 網絡爬蟲開發實戰] 1.9.2-Scrapyd 的安裝

Scrapyd 是一個用于部署和運行 Scrapy 項目的工具，有了它，你可以將寫好的 Scrapy 項目上傳到云主機并通過 API 來控制它的運行。

既然是 Scrapy 項目部署，基本上都使用 Linux 主機，所以本節的安裝是針對于 Linux 主機的。

1. 相關鏈接

GitHub：https://github.com/scrapy/scrapyd

PyPI：https://pypi.python.org/pypi/scrapyd

官方文檔：https://scrapyd.readthedocs.io

2. pip 安裝

這里推薦使用 pip 安裝，命令如下：

1

pip3 install scrapyd

3. 配置

安裝完畢之后，需要新建一個配置文件 /etc/scrapyd/scrapyd.conf，Scrapyd 在運行的時候會讀取此配置文件。

在 Scrapyd 1.2 版本之后，不會自動創建該文件，需要我們自行添加。

首先，執行如下命令新建文件：

1

2

sudo mkdir /etc/scrapyd

sudo vi /etc/scrapyd/scrapyd.conf

接著寫入如下內容：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

[scrapyd]

eggs_dir = eggs

logs_dir = logs

items_dir =

jobs_to_keep = 5

dbs_dir = dbs

max_proc = 0

max_proc_per_cpu = 10

finished_to_keep = 100

poll_interval = 5.0

bind_address = 0.0.0.0

http_port = 6800

debug = off

runner = scrapyd.runner

application = scrapyd.app.application

launcher = scrapyd.launcher.Launcher

webroot = scrapyd.website.Root

[services]

schedule.json = scrapyd.webservice.Schedule

cancel.json = scrapyd.webservice.Cancel

addversion.json = scrapyd.webservice.AddVersion

listprojects.json = scrapyd.webservice.ListProjects

listversions.json = scrapyd.webservice.ListVersions

listspiders.json = scrapyd.webservice.ListSpiders

delproject.json = scrapyd.webservice.DeleteProject

delversion.json = scrapyd.webservice.DeleteVersion

listjobs.json = scrapyd.webservice.ListJobs

daemonstatus.json = scrapyd.webservice.DaemonStatus

配置文件的內容可以參見官方文檔 https://scrapyd.readthedocs.io/en/stable/config.html#example-configuration-file。這里的配置文件有所修改，其中之一是 max_proc_per_cpu 官方默認為 4，即一臺主機每個 CPU 最多運行 4 個 Scrapy 任務，在此提高為 10。另外一個是 bind_address，默認為本地 127.0.0.1，在此修改為 0.0.0.0，以使外網可以訪問。

4. 后臺運行

Scrapyd 是一個純 Python 項目，這里可以直接調用它來運行。為了使程序一直在后臺運行，Linux 和 Mac 可以使用如下命令：

1

(scrapyd > /dev/null &)

這樣 Scrapyd 就會在后臺持續運行了，控制臺輸出直接忽略。當然，如果想記錄輸出日志，可以修改輸出目標，如：

1

(scrapyd > ~/scrapyd.log &)

此時會將 Scrapyd 的運行結果輸出到～/scrapyd.log 文件中。

當然也可以使用 screen、tmux、supervisor 等工具來實現進程守護。

運行之后，便可以在瀏覽器的 6800 端口訪問 Web UI 了，從中可以看到當前 Scrapyd 的運行任務、日志等內容，如圖 1-85 所示。

圖 1-85 Scrapyd 首頁

當然，運行 Scrapyd 更佳的方式是使用 Supervisor 守護進程，如果感興趣，可以參考：http://supervisord.org/。

另外，Scrapyd 也支持 Docker，后面我們會介紹 Scrapyd Docker 鏡像的制作和運行方法。

5. 訪問認證

配置完成后，Scrapyd 和它的接口都是可以公開訪問的。如果想配置訪問認證的話，可以借助于 Nginx 做反向代理，這里需要先安裝 Nginx 服務器。

在此以 Ubuntu 為例進行說明，安裝命令如下：

1

sudo apt-get install nginx

然后修改 Nginx 的配置文件 nginx.conf，增加如下配置：

1

2

3

4

5

6

7

8

9

10

http {

server {

listen 6801;

location / {

proxy_pass http://127.0.0.1:6800/;

auth_basic "Restricted";

auth_basic_user_file /etc/nginx/conf.d/.htpasswd;

}

}

}

這里使用的用戶名和密碼配置放置在 /etc/nginx/conf.d 目錄下，我們需要使用 htpasswd 命令創建。例如，創建一個用戶名為 admin 的文件，命令如下：

1

htpasswd -c .htpasswd admin

接著就會提示我們輸入密碼，輸入兩次之后，就會生成密碼文件。此時查看這個文件的內容：

1

2

cat .htpasswd

admin:5ZBxQr0rCqwbc

配置完成后，重啟一下 Nginx 服務，運行如下命令：

1

sudo nginx -s reload

這樣就成功配置了 Scrapyd 的訪問認證了。

Python 網絡

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。