scrapy-redis快速上手

作者的话

对Python爬虫如何实现大批量爬取感兴趣的读者可以看下scrapy爬虫框架，并且使用本文的scrapy-redis将你的爬虫升级为分布式爬虫。

前言

阅读本文章，您需要：

了解scrapy爬虫框架，知道scrapy的基本使用，最好已经有了可以单机运行的scrapy爬虫。

了解scrapy-redis可以用来干嘛。

已经尝试了一些反反爬措施后仍然觉得爬取效率太低。

已经看了无数scrapy-redis文章,却和我一样不得要领。（自己太笨）

已经看了无数scrapy-redis文章，被辣鸡文章坑的生活不能自理，到现在还没配置好。（可能还是自己太笨）

提示：本文为快速上手文章，有些操作的具体步骤不详细讲，自行百度通用解法，省略的部分我认为你可以自行解决，如果遇到问题，请留言提问

使用scrapy-redis将scrapy改造为分布式

安装需要的python库和数据库

安装scrapy-redis：pip install scrapy-redis

安装redis：可以仅在master（主）端安装

安装其他数据库（可选）：mysql，mangoDB，用来保存大量数据，当然也可以选择不安装。用其他方法处理数据。

提示：请注意版本问题，不要过低。

配置redis

master（主）上的redis安装后，需要做以下几件事：

配置redis.conf设置从外网访问：#bind 127.0.0.1

最好设置个密码

取消保护模式 protected-mode no

master启动redis，使用./redis-serverredis.conf（改为你的设置文件所在位置）

尝试从slave（从）连接master的redis，连接成功（盗的图）：

image

修改scrapy:setting.py

添加如下代码：

对于itempipeline：你以前怎么存的数据还是怎么存，当然你也可以用redis先存，之后再一起转移出来。像我就直接存到mysql了

修改scrapy:spiders/xxxxx.py（自己命名的爬虫文件）

将继承改为继承Redisspider

修改slave的存储数据库设置（可选）

如果你想要让slave抓取到的数据直接存入master的数据库，您别忘了修改slave的数据库连接设置

启动分布式爬虫

启动master：scrapy crawl xxxxx

启动slave: crawl xxxxx

image2

上传了个demo源码，供大家修改使用：

https://github.com/qqxx6661/scrapy_redis_demo

参考

https://www.cnblogs.com/zjl6/p/6742673.html

scrapy-redis官方文档