日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

scrapy-redis

發(fā)布時間:2025/3/19 编程问答 21 豆豆
生活随笔 收集整理的這篇文章主要介紹了 scrapy-redis 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

scrapy-redis使用以及剖析

scrapy-redis是一個基于redis的scrapy組件,通過它可以快速實現(xiàn)簡單分布式爬蟲程序,該組件本質(zhì)上提供了三大功能:

  • scheduler - 調(diào)度器
  • dupefilter - URL去重規(guī)則(被調(diào)度器使用)
  • pipeline ? - 數(shù)據(jù)持久化

scrapy-redis組件

1. URL去重

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 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 定義去重規(guī)則(被調(diào)度器調(diào)用并應(yīng)用) ????a. 內(nèi)部會使用以下配置進行連接Redis ????????# REDIS_HOST = 'localhost'??????????????????????????? # 主機名 ????????# REDIS_PORT = 6379?????????????????????????????????? # 端口 ????????# REDIS_URL = 'redis://user:pass@hostname:9001'?????? # 連接URL(優(yōu)先于以上配置) ????????# REDIS_PARAMS? = {}????????????????????????????????? # Redis連接參數(shù)???????????? 默認:REDIS_PARAMS = {'socket_timeout': 30,'socket_connect_timeout': 30,'retry_on_timeout': True,'encoding': REDIS_ENCODING,}) ????????# REDIS_PARAMS['redis_cls'] = 'myproject.RedisClient' # 指定連接Redis的Python模塊? 默認:redis.StrictRedis ????????# REDIS_ENCODING = "utf-8"??????????????????????????? # redis編碼類型???????????? 默認:'utf-8' ????? ????b. 去重規(guī)則通過redis的集合完成,集合的Key為: ????? ????????key?=?defaults.DUPEFILTER_KEY?%?{'timestamp':?int(time.time())} ????????默認配置: ????????????DUPEFILTER_KEY?=?'dupefilter:%(timestamp)s' ?????????????? ????c. 去重規(guī)則中將url轉(zhuǎn)換成唯一標(biāo)示,然后在redis中檢查是否已經(jīng)在集合中存在 ????? ????????from?scrapy.utils?import?request ????????from?scrapy.http?import?Request ????????? ????????req?=?Request(url='http://www.cnblogs.com/wupeiqi.html') ????????result?=?request.request_fingerprint(req) ????????print(result)?# 8ea4fd67887449313ccc12e5b6b92510cc53675c ????????? ????????? ????????PS: ????????????-?URL參數(shù)位置不同時,計算結(jié)果一致; ????????????-?默認請求頭不在計算范圍,include_headers可以設(shè)置指定請求頭 ????????????示例: ????????????????from?scrapy.utils?import?request ????????????????from?scrapy.http?import?Request ????????????????? ????????????????req?=?Request(url='http://www.baidu.com?name=8&id=1',callback=lambda?x:print(x),cookies={'k1':'vvvvv'}) ????????????????result?=?request.request_fingerprint(req,include_headers=['cookies',]) ????????????????? ????????????????print(result) ????????????????? ????????????????req?=?Request(url='http://www.baidu.com?id=1&name=8',callback=lambda?x:print(x),cookies={'k1':666}) ????????????????? ????????????????result?=?request.request_fingerprint(req,include_headers=['cookies',]) ????????????????? ????????????????print(result) ????????? """ # Ensure all spiders share same duplicates filter through redis. # DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

2. 調(diào)度器

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 30 31 32 33 34 35 36 37 38 39 40 41 """ 調(diào)度器,調(diào)度器使用PriorityQueue(有序集合)、FifoQueue(列表)、LifoQueue(列表)進行保存請求,并且使用RFPDupeFilter對URL去重 ????? ????a. 調(diào)度器 ????????SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.PriorityQueue'????????? # 默認使用優(yōu)先級隊列(默認),其他:PriorityQueue(有序集合),FifoQueue(列表)、LifoQueue(列表) ????????SCHEDULER_QUEUE_KEY = '%(spider)s:requests'???????????????????????? # 調(diào)度器中請求存放在redis中的key ????????SCHEDULER_SERIALIZER = "scrapy_redis.picklecompat"????????????????? # 對保存到redis中的數(shù)據(jù)進行序列化,默認使用pickle ????????SCHEDULER_PERSIST = True??????????????????????????????????????????? # 是否在關(guān)閉時候保留原來的調(diào)度器和去重記錄,True=保留,False=清空 ????????SCHEDULER_FLUSH_ON_START = True???????????????????????????????????? # 是否在開始之前清空 調(diào)度器和去重記錄,True=清空,False=不清空 ????????SCHEDULER_IDLE_BEFORE_CLOSE = 10??????????????????????????????????? # 去調(diào)度器中獲取數(shù)據(jù)時,如果為空,最多等待時間(最后沒數(shù)據(jù),未獲取到)。 ????????SCHEDULER_DUPEFILTER_KEY = '%(spider)s:dupefilter'????????????????? # 去重規(guī)則,在redis中保存時對應(yīng)的key ????????SCHEDULER_DUPEFILTER_CLASS = 'scrapy_redis.dupefilter.RFPDupeFilter'# 去重規(guī)則對應(yīng)處理的類 """ # Enables scheduling storing requests queue in redis. SCHEDULER?=?"scrapy_redis.scheduler.Scheduler" # Default requests serializer is pickle, but it can be changed to any module # with loads and dumps functions. Note that pickle is not compatible between # python versions. # Caveat: In python 3.x, the serializer must return strings keys and support # bytes as values. Because of this reason the json or msgpack module will not # work by default. In python 2.x there is no such issue and you can use # 'json' or 'msgpack' as serializers. # SCHEDULER_SERIALIZER = "scrapy_redis.picklecompat" # Don't cleanup redis queues, allows to pause/resume crawls. # SCHEDULER_PERSIST = True # Schedule requests using a priority queue. (default) # SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.PriorityQueue' # Alternative queues. # SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.FifoQueue' # SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.LifoQueue' # Max idle time to prevent the spider from being closed when distributed crawling. # This only works if queue class is SpiderQueue or SpiderStack, # and may also block the same time when your spider start at the first time (because the queue is empty). # SCHEDULER_IDLE_BEFORE_CLOSE = 10  

3. 數(shù)據(jù)持久化

 from scrapy_redis.pipelines import RedisPipelines

 ITEM_PIPELINES=[

  'scrapy_redis.pipelines.RedisPipelines':300,

]                                               

1 2 3 4 5 6 7 8 2.?定義持久化,爬蟲yield?Item對象時執(zhí)行RedisPipeline ????? ????a. 將item持久化到redis時,指定key和序列化函數(shù) ????? ????????REDIS_ITEMS_KEY?=?'%(spider)s:items' ????????REDIS_ITEMS_SERIALIZER?=?'json.dumps' ?????     ????b. 使用列表保存item數(shù)據(jù)

4. 起始URL相關(guān)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 """ 起始URL相關(guān) ????a. 獲取起始URL時,去集合中獲取還是去列表中獲取?True,集合;False,列表 ????????REDIS_START_URLS_AS_SET = False??? # 獲取起始URL時,如果為True,則使用self.server.spop;如果為False,則使用self.server.lpop ????b. 編寫爬蟲時,起始URL從redis的Key中獲取 ????????REDIS_START_URLS_KEY = '%(name)s:start_urls' ????????? """ # If True, it uses redis' ``spop`` operation. This could be useful if you # want to avoid duplicates in your start urls list. In this cases, urls must # be added via ``sadd`` command or you will get a type error from redis. # REDIS_START_URLS_AS_SET = False # Default start urls key for RedisSpider and RedisCrawlSpider. # REDIS_START_URLS_KEY = '%(name)s:start_urls'

scrapy-redis示例

# DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter" # # # from scrapy_redis.scheduler import Scheduler # from scrapy_redis.queue import PriorityQueue # SCHEDULER = "scrapy_redis.scheduler.Scheduler" # SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.PriorityQueue' # 默認使用優(yōu)先級隊列(默認),其他:PriorityQueue(有序集合),FifoQueue(列表)、LifoQueue(列表) # SCHEDULER_QUEUE_KEY = '%(spider)s:requests' # 調(diào)度器中請求存放在redis中的key # SCHEDULER_SERIALIZER = "scrapy_redis.picklecompat" # 對保存到redis中的數(shù)據(jù)進行序列化,默認使用pickle # SCHEDULER_PERSIST = True # 是否在關(guān)閉時候保留原來的調(diào)度器和去重記錄,True=保留,False=清空 # SCHEDULER_FLUSH_ON_START = False # 是否在開始之前清空 調(diào)度器和去重記錄,True=清空,False=不清空 # SCHEDULER_IDLE_BEFORE_CLOSE = 10 # 去調(diào)度器中獲取數(shù)據(jù)時,如果為空,最多等待時間(最后沒數(shù)據(jù),未獲取到)。 # SCHEDULER_DUPEFILTER_KEY = '%(spider)s:dupefilter' # 去重規(guī)則,在redis中保存時對應(yīng)的key # SCHEDULER_DUPEFILTER_CLASS = 'scrapy_redis.dupefilter.RFPDupeFilter'# 去重規(guī)則對應(yīng)處理的類 # # # # REDIS_HOST = '10.211.55.13' # 主機名 # REDIS_PORT = 6379 # 端口 # # REDIS_URL = 'redis://user:pass@hostname:9001' # 連接URL(優(yōu)先于以上配置) # # REDIS_PARAMS = {} # Redis連接參數(shù) 默認:REDIS_PARAMS = {'socket_timeout': 30,'socket_connect_timeout': 30,'retry_on_timeout': True,'encoding': REDIS_ENCODING,}) # # REDIS_PARAMS['redis_cls'] = 'myproject.RedisClient' # 指定連接Redis的Python模塊 默認:redis.StrictRedis # REDIS_ENCODING = "utf-8" # redis編碼類型 默認:'utf-8' View Code import scrapyclass ChoutiSpider(scrapy.Spider):name = "chouti"allowed_domains = ["chouti.com"]start_urls = ('http://www.chouti.com/',)def parse(self, response):for i in range(0,10):yield View Code

?

轉(zhuǎn)載于:https://www.cnblogs.com/Hessen/p/10816411.html

總結(jié)

以上是生活随笔為你收集整理的scrapy-redis的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。

主站蜘蛛池模板: 麻豆精品免费视频 | 国产三级第一页 | 这里只有久久精品 | 久久国产精品国产精品 | 天天人人 | 91国内精品野花午夜精品 | 99免费在线视频 | 91视频播放 | 在线观看黄网 | 青青草久久爱 | 日日鲁鲁鲁夜夜爽爽狠狠视频97 | 日日躁夜夜躁白天躁晚上躁91 | 亚洲性喷水| 国产乱码在线观看 | 亚洲电影中文字幕 | aaa一区二区三区 | 性色视频在线 | 1024精品一区二区三区日韩 | 久久av网| 妺妺窝人体色WWW精品 | 亚洲24p | 亚洲黄网在线观看 | 男人天堂电影 | 日韩v在线 | 天天看片中文字幕 | 国产剧情久久久 | 亚洲在线色| 国产精品乱码久久久久 | 久久无码视频一区 | 先锋影音中文字幕 | 欧美激情 亚洲 | 91玉足脚交白嫩脚丫 | 红桃视频91 | 人禽l交视频在线播放 视频 | 久久2019 | www.日韩 | 中文字幕人妻一区二区在线视频 | 国产刺激对白 | 米奇色 | 女人十八毛片嫩草av | 69视频免费在线观看 | 亚洲精品无码久久久久久久 | 黄色精品视频在线观看 | 538精品在线视频 | 69色综合| 午夜影院毛片 | 免费的毛片视频 | 欧美一区二区三区激情啪啪 | 亚洲综合av一区二区三区 | 亚洲一区二区三区中文字幕 | 老司机精品视频在线 | 日本美女性高潮 | 先锋影音在线 | 狠狠成人 | 熟女国产精品一区二区三 | 91av片| 男女福利视频 | 亚洲欧美高清 | 国产黑丝在线视频 | 伊人蕉| www.黄色av | 亚洲天堂三级 | 强行无套内谢大学生初次 | 在线理论视频 | 一区二区三区在线视频免费观看 | 欧美男优 | 国产人成一区二区三区影院 | 一本免费视频 | 亚洲欧洲成人精品久久一码二码 | 国产极品免费 | 国产深喉视频一区二区 | av片免费播放 | 日韩精品视频在线观看免费 | 久久三级视频 | 亚洲va国产天堂va久久 en | 日韩中文字幕观看 | 亚洲一区二区自拍偷拍 | 天天综合干 | 狠狠ri| 欧美成a| 国产精华7777777 | av色婷婷| 日本va欧美va精品发布 | 蜜桃综合网 | 精品欧美在线 | 三级网站在线播放 | 久久国产精品二区 | 国产喷白浆一区二区三区 | 奇米影视首页 | 97一区二区三区 | 亚洲最大成人在线视频 | 欧美高清性| 日韩av网页 | 欧美精品五区 | a亚洲精品 | 日本少妇激三级做爰在线 | 俄罗斯美女一级爱片 | 亚洲伦理天堂 | 久久视频中文字幕 |