PY => Scrapyd部署爬虫+封装Django-View接口调用

前言

我以前作的项目：一直用的 Linux的Screen会话工具+ Scrapy的JOBDIR来控制爬虫开关。
可是有后来想到用 Web 来控制爬虫的开关。因此我想到了用Scrapyd服务实现。

部署爬虫项目

安装scrapyd服务

pip install scrapyd

启动scrapyd服务

scrapyd         # 就这一条shell命令便可启动服务

若是你相对爬虫服务作一些配置，（好比 log目录，绑定地址，绑定端口。。等，可修改以下配置文件）：

vi /usr/lib/python3.6/site-packages/scrapyd/default_scrapyd.conf

将爬虫程序推送到服务中

首先确保你的爬虫程序单测能够无误运行！
状况1：（爬虫程序在linux， 上面讲的scrapyd服务也在linux）
首先安装个模块：

pip install scrapyd-client

修改scrapy的scrapy.cfg文件：

[deploy:Cython_lin]               # 这个 Cython_lin 是服务名，可自定义，但后面还会用到
url = http://23.23.xx.xx:6800/    # 这是你上面启动的Scrapyd服务的 URL+PORT
project = Baidu

# 这个文件是你运行 scrapy startproject 时 自动建立的文件。 在项目根目录下， 就叫 "scrapy.cfg"：

正式推送本机爬虫程序到Scrapyd:

以下有3个说明：
    1. 你须要在项目根目录下，执行这个命令
    2. Cython_lin 就是咱们上面 scrapy.cfg文件 配置的服务名
    3. Baidu      就是 scrapy.cfg文件 里面的那个  project属性的值，也是 项目名
scrapyd-deploy Cython_lin -p Baidu

状况2，番外篇（Windows开发，Linux部署）
一样安装个客户端模块（windows）：

pip install scrapyd-client

修改scrapy的scrapy.cfg文件(windows)：

[deploy:Cython_lin]               # 这个 Cython_lin 是服务名，可自定义，但后面还会用到
url = http://23.23.xx.xx:6800/    # 这是你上面启动的Scrapyd服务的 URL+PORT
project = Baidu

创建一个文件名为 scrapyd-deploy.bat， 内容做下（windows）：
注意：这个文件是建立在python的安装路径下（若是你是虚拟环境，那么就去虚拟环境的python路径中）

@echo off
"D:\Virtualenv_All\scrapy\Scripts\python.exe" "D:\Virtualenv_All\scrapy\Scripts\scrapyd-deploy" %1 %2 %3 %4 %5 %6 %7 %8 %9

随后将刚才的路径，配置到环境变量中（若是不想设置环境变量，那么每次须要用绝对路径用scrapyd-deploy）

scrapyd-deploy Cython_lin -p Baidu

这条命令和上面（linux版本）讲的是如出一辙的， 一样要在scrapy根路径下执行

调用爬虫程序

前面咱们已经彻底将爬虫Scrapyd服务部署完成。接下来就是开启调用的环节：
scrapyd采用 "请求接口" 的方式取开启或终止爬虫：
查看爬虫情况：

curl http://23.23.xx.xx:6800/daemonstatus.json

正式开启爬虫程序：

curl http://39.107.86.223:6800/schedule.json -d project=Baidu -d spider=zhidao

# 注意: "Baidu"是项目名，  而 "zhidao" 是每一个 spider的名字 （就是主程序的爬虫名name=...）
# 注意: 开启的时候会给你一个ID， 你要记住它 ，方便咱们中止

中止爬虫程序：

curl http://23.23.xx.xx:6800/cancel.json -d project=Baidu -d job=运行ID

Django视图内嵌控制爬虫程序

上面咱们说了用 curl 发送请求去操控爬虫的开启与暂停。可是这并非习惯的作法。
更好的是，经过Qt 或者 经过Web, 来操控爬虫。

pip install python-scrapyd-api  # 预先安装此模块

from scrapyd_api import ScrapydAPI

scrapyd = ScrapydAPI('39.107.xx.xx:6800')   # 先获取 scrapyd远程服务的客户端链接


class SpiderView(View):       # 我使用的是 Django的 CBV
    def get(self, request):
        state_dict = scrapyd.list_jobs('Baidu')    # 列出项目全部爬虫任务，返回字典
        if request.GET.get('tag') == 'start':      # 检测爬虫是否为运行状态
            scrapyd.schedule('Baidu', 'zhidao')  # 'project_name', 'spider_name'
            return HttpResponse('0')       # 若是正在运行，给前端一个值，按钮  
        if request.GET.get('tag') == 'stop':     # 前端点下按钮若是get传值为stop
            try:
                state = state_dict['running'][0]['id']    # 若取不到，就抛异常
            except:
                return HttpResponse('-1')        # 随便返回一个值，不用处理

            scrapyd.cancel('Baidu', state)  # 根据 id取消 爬虫入伍
            return HttpResponse('0')        # 并返回0（这个0是我自定义的，前端也用的0）
        return HttpResponse('')

前端交接

其实后端接口作好了，前端就随意了。我用的 Nuxt+Vue，主要贴一下核心method吧：

methods: {
    start() {
        axios.get('http://39.xx.xx:8000/spider', {          # 注意这时请求的Django
          params: { 'tag': 'start' }
        }).then(
          (response) => {
            this.tag = Number.parseInt(response['data'])  
            if (this.tag === 0) {                            # 若是django返回值为0
              this.start_msg = '开启成功，切记不要重复开启'    # 用于vue模板提示
              this.start_unable = true                       # 把按钮禁用，防止重复请求
              this.stop_unable = false                     # 同时把中止按钮由禁用设置为激活
              this.start_layer()                   # 这个函数内部实现了消息弹框
              // this.stop_unable = false
        }
      }
    ),
    stop() {
      axios.get('http://39.107.xx.xx:8000/spider', {   # 注意这是请求的Django
        params: { 'tag': 'stop' }                # 发一个 stop参数的get请求
      }).then(
        (response) => {
          this.tag = Number.parseInt(response['data'])
          if (this.tag === 0) {                # 若是返回0, 这个0是我在Django本身指定的。
            this.stop_msg = '关闭成功，切记不要重复关闭'   
            this.start_unable= false                      # 负负得正，开始按钮激活
            this.stop_unable = true                       # 中止按钮禁用  
            this.stop_layer()                             # 无关禁用的弹窗信息
          }
        }
      )
    },   
},

Docker+docker-compose

若是你也想过使用docker+docker-compose （开启服务，推送代码一体化）
请看下篇： https://segmentfault.com/a/11...

结束语

我是设置2个按钮（开启、关闭互斥，点哪一个哪一个就被禁用，与此同时另外一个按钮就会被激活）。
固然，你也能够用 单机，双击。等用一个按钮来控制开启和关闭。
固然这些只是标志性的功能。 核心功能仍是 Django视图中的 ScrapydAPI 这个API的使用
python-scrapyd-api官档：https://pypi.org/project/pyth...