12

我在一个项目中使用scrapy，我想抓取多个站点 - 可能是数百个 - 我必须为每个站点编写一个特定的蜘蛛。我可以在部署到scrapyd的项目中安排一个蜘蛛，使用：

curl http://localhost:6800/schedule.json -d project=myproject -d spider=spider2

但是我如何一次安排一个项目中的所有蜘蛛呢？

非常感谢所有帮助！

4

2 回答 2

24

我一次运行 200 多个蜘蛛的解决方案是为项目创建一个自定义命令。有关实现自定义命令的更多信息，请参阅http://doc.scrapy.org/en/latest/topics/commands.html#custom-project-commands。

YOURPROJECTNAME/commands/allcrawl.py：

from scrapy.command import ScrapyCommand
import urllib
import urllib2
from scrapy import log

class AllCrawlCommand(ScrapyCommand):

    requires_project = True
    default_settings = {'LOG_ENABLED': False}

    def short_desc(self):
        return "Schedule a run for all available spiders"

    def run(self, args, opts):
        url = 'http://localhost:6800/schedule.json'
        for s in self.crawler.spiders.list():
            values = {'project' : 'YOUR_PROJECT_NAME', 'spider' : s}
            data = urllib.urlencode(values)
            req = urllib2.Request(url, data)
            response = urllib2.urlopen(req)
            log.msg(response)

确保在您的 settings.py 中包含以下内容

COMMANDS_MODULE = 'YOURPROJECTNAME.commands'

然后从命令行（在你的项目目录中）你可以简单地输入

scrapy allcrawl
于 2012-05-29T18:02:14.740 回答
1

对不起，我知道这是一个老话题，但我最近开始学习scrapy，在这里偶然发现，我还没有足够的代表发表评论，所以发布一个答案。

从常见的scrapy实践中你会看到，如果你需要一次运行多个spider，你必须启动多个scrapyd服务实例，然后在这些实例中分发你的Spider运行。

于 2014-11-29T19:40:10.097 回答