V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
Luzaiv7
V2EX  ›  Python

多个 scrapy 爬虫启动问题

  •  
  •   Luzaiv7 · 2021-01-11 15:53:16 +08:00 · 1921 次点击
    这是一个创建于 1410 天前的主题,其中的信息可能已经有所发展或是发生改变。

    有挺多 scarpy 的爬虫,受限于代理数量,没法一次性全部启动。于是想找到一个类似队列,取哪个爬哪个的方法。 目前试过 进程池、scrapy 接口 都不是很理性 进程池的问题:

    每个进程消费完第一个爬虫,进程就会关闭

    scrapy 接口的问题:

    必须按顺序爬,假如其他进程跑完,剩下未跑完的爬虫还是得一个个按顺序跑,浪费时间

    以下是进程池的代码

    from scrapy.crawler import CrawlerProcess
    from multiprocessing import Pool
    
    def _crawl_main_program(spider, settings):
    	# spider: 爬虫
        process = CrawlerProcess(settings)
        process.crawl(spider)
        process.start()
    
    
    def _crawl_running(crawl_map: dict, settings: dict, max_processes=5):
    	# crawl_map: scrapy 爬虫映射表
        if not crawl_map:
            raise CrawlError()
        executor = Pool(processes=max_processes)
        for domain, spider in crawl_map.items():
            executor.apply_async(_crawl_main_program, (spider, settings))
        executor.close()
        executor.join()
        
       
    def core_website_crawl():
        _crawl_running(crawl_map=core_spider_domain_map, 		   settings=core_website_crawl_settings)
        
        
    if __name__ == '__main__':
        core_website_crawl()
    

    想找到一个比较好用的方法

    4 条回复    2021-01-12 20:50:49 +08:00
    QuinceyWu
        1
    QuinceyWu  
       2021-01-11 19:36:13 +08:00
    github 上有个分布式爬虫管理叫 Crawlab,我现在就在用,能满足你所有爬虫需求
    tuoov
        2
    tuoov  
       2021-01-12 10:25:06 +08:00
    subprocess.Popen(['python','runSpider.py'])
    process.start()放到 runSpider 里,命令行传参决定启动的爬虫
    也许能解决你的问题
    Luzaiv7
        3
    Luzaiv7  
    OP
       2021-01-12 20:50:41 +08:00
    @QuinceyWu 感觉这个挺适合我的,谢谢
    Luzaiv7
        4
    Luzaiv7  
    OP
       2021-01-12 20:50:49 +08:00
    @tuoov 已经解决了,谢谢
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1276 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 23:33 · PVG 07:33 · LAX 15:33 · JFK 18:33
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.