搭建 PySpider 爬虫服务

腾讯云提供了开发者实验室教你搭建 PySpider 爬虫服务，教程内容如下，用户可以点击开发者实验室快速上机完成实验。

环境准备

任务时间：5min ~ 10min

前置环境部署

在开始部署前，我们需要做一些前置准备。

yum 更新

yum update -y           

复制

安装开发编译工具

yum install gcc gcc-c++ -y           

复制

安装依赖库

yum install python-pip python-devel python-distribute libxml2 libxml2-devel python-lxml libxslt libxslt-devel openssl openssl-devel -y           

复制

升级pip

pip install --upgrade pip           

复制

该步骤可选，但为了部署的稳定性，推荐执行

该步骤耗时可能较长（5~10min），请耐心等待

部署 mariadb

任务时间：10min ~ 20min

由于 CentOS 7 中 MySQL 数据库已从默认的程序列表中移除，我们使用 mariadb 代替。

安装 mariadb

yum install mariadb-server mariadb -y           

复制

启动 mariadb 服务

systemctl start mariadb           

复制

设置 root 密码

默认的root用户密码为空，你可以使用以下命令来创建 root 用户的密码：

（该步骤也可以跳过，password 后的

Password

可以改为任何你希望设置的密码）

mysqladmin -u root password "Password"           

复制

检查是否安装成功

现在你可以尝试通过以下命令来连接到 Mysql 服务器

mysql -u root -p           

复制

然后输入您刚才设置的密码 （ 默认：

Password

），如果一切正常，您应该可以在命令行看到以

MariaDB [(none)]>

或

mysql>

开头的提示了，说明连接成功。

此时输入

SHOW DATABASES;

并回车，应该可以看到类似下面这样的输出，说明一切正常。

mysql> SHOW DATABASES;
+----------+
| Database |
+----------+
| mysql    |
| test     |
+----------+
2 rows in set (0.13 sec)           

复制

完成后，可以通过快捷键

Ctrl+C

或命令行键入

exit

来退出，进入下一步。

如果您未设置密码，直接使用

mysql

即可

部署 redis

任务时间：10min ~ 20min

下载、解压安装包

下载安装包

wget http://download.redis.io/redis-stable.tar.gz           

复制

解压安装包

tar -xzvf redis-stable.tar.gz           

复制

移动解压包到 /usr/local 内

mv redis-stable /usr/local/redis           

复制

编译安装

cd /usr/local/redis
make
make install           

复制

设置 redis 配置

设置配置文件路径

mkdir -p /etc/redis
cp /usr/local/redis/redis.conf /etc/redis/redis.conf           

复制

修改 /etc/redis/redis.conf 文件的

daemonize

配置项为如下：

daemonize yes           

复制

启动 redis 服务

/usr/local/bin/redis-server /etc/redis/redis.conf           

复制

部署 pyspider

任务时间：10min ~ 20min

安装依赖

pip install --upgrade chardet
easy_install mysql-connector==2.1.3
easy_install redis           

复制

安装 pyspider

pip install pyspider           

复制

配置 pyspider

首先创建配置目录

mkdir /etc/pyspider           

复制

然后

/etc/pyspider

目录下创建 pyspider.conf.json，参考下面的内容。

具体配置的说明文档请参考 官方文档

示例代码：/etc/pyspider/pyspider.conf.json

{
  "taskdb": "mysql+taskdb://root:[email protected]:3306/taskdb",
  "projectdb": "mysql+projectdb://root:[email protected]:3306/projectdb",
  "resultdb": "mysql+resultdb://root:[email protected]:3306/resultdb",
  "message_queue": "redis://127.0.0.1:6379/db",
  "webui": {
    "username": "root",
    "password": "Password",
    "need-auth": true
  }
}           

复制

其中 mysql 配置中的

root

为您 mysql 的用户名，

root:

后面的

Password

为您刚设置的密码。

webui

配置中的 username 及 password 为您访问 WebUI 时候需要的用户名，你也可以不设置用户名密码，直接将

need-auth

设为

false

即可。

启动服务

pyspider -c /etc/pyspider/pyspider.conf.json           

复制

如果一切正常，现在访问 http://<您的 CVM IP 地址>:5000，您应该可以看到 pyspider dashboard 的首页了。

服务能够正常启动后，我们需要让它能够在后台运行，您可以通过以下命令让服务在后台运行

nohup pyspider -c /etc/pyspider/pyspider.conf.json &           

复制

也可以使用官方推荐的 Supervisor 来启动，这里就不详细介绍了，具体用法可以参考 Supervisor 的文档

部署完成

任务时间：1min ~ 2min

访问服务

此时您可以访问 http://<您的 CVM IP 地址>:5000 使用您的爬虫来搜集数据了，具体 pyspider 爬虫脚本的编写及使用教程可以参考 网上资料。