pyspider爬虫框架

时间:2024-10-29 15:35:26

特点:

去重处理,结果监控,多进程处理,pyquery提取,错误重试,webUI管理,代码简洁,JS渲染

安装:

anaconda里边没搜到pyspider,所以手动安装

pyspider爬虫框架

查看pyspider的命令:

pyspider爬虫框架

启动pyspider所有组件:

在启动之前,要先安装phantomjs浏览器,因为pyspider组件中有phantomjs组件。

下载地址:http://phantomjs.org/download.html。安装之后,配置环境变量(phantomjs.exe所在路径):

pyspider爬虫框架

之后,pyspider all命令开启pyspider所有组件:

pyspider爬虫框架

发现发生错误:

ValueError: Invalid configuration:
- Deprecated option 'domaincontroller': use 'http_authenticator.domain_controller' instead.

错误说,domaincontroller被弃用,建议用http_authenticator.domain_controller代替。

原因是因为WsgiDAV发布了版本 pre-release 3.x。

解决方法如下:

在安装包中找到pyspider的资源包,然后找到webui文件里面的webdav.py文件打开,修改第209行即可。

pyspider爬虫框架

'domaincontroller': NeedAuthController(app),
修改为:

'http_authenticator':{
'HTTPAuthenticator':NeedAuthController(app),
},
然后再执行pyspider all就能够通过http://localhost:5000打开页面了。

(原文:https://blog.****.net/qq_37253540/article/details/88196994 )

pyspider爬虫框架

此时webui组件开启成功,在端口5000上,则在浏览器中输入http://localhost:5000打开pyspider的webui界面。

pyspider爬虫框架

点击create创建一个项目。之后,右边是编辑器,左边是请求的参数

pyspider爬虫框架

pyspider爬虫框架