欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~
本文由腾讯云实验室发表于云+社区专栏
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
安装开发编译工具
yum install gcc gcc-c++ -y
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
升级pip
pip install --upgrade pip
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
启动 mariadb 服务
systemctl start mariadb
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"
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
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)
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
解压安装包
tar -xzvf redis-stable.tar.gz
移动解压包到 /usr/local 内
mv redis-stable /usr/local/redis
编译安装
cd /usr/local/redis
make
make install
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
修改 /etc/redis/redis.conf 文件的 daemonize
配置项为如下:
daemonize yes
启动 redis 服务
/usr/local/bin/redis-server /etc/redis/redis.conf
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
安装 pyspider
pip install pyspider
配置 pyspider
首先创建配置目录
mkdir /etc/pyspider
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:Password@127.0.0.1:3306/taskdb",
"projectdb": "mysql+projectdb://root:Password@127.0.0.1:3306/projectdb",
"resultdb": "mysql+resultdb://root:Password@127.0.0.1:3306/resultdb",
"message_queue": "redis://127.0.0.1:6379/db",
"webui": {
"username": "root",
"password": "Password",
"need-auth": true
}
}
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
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 &
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。
问答
BeautifulSoup和Scrapy爬虫之间的区别?
相关阅读
腾讯云数据库回档解决方案
大数据在教育行业的研究与应用
看看上下文映射的清晰视图
云学院 · 课程推荐 | 知乎KOL,与你分享机器学习中如何做选择
此文已由作者授权腾讯云+社区发布,原文链接:https://cloud.tencent.com/dev...
欢迎大家前往腾讯云+社区或关注云加社区微信公众号(QcloudCommunity),第一时间获取更多海量技术实践干货哦~
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。