含有大量爬虫的scrapy项目部署到Linux服务器并设置定时启动

最新推荐文章于 2023-09-21 08:53:23 发布

原创

最新推荐文章于 2023-09-21 08:53:23 发布 · 2.5k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#scrapy爬虫 #爬虫部署到linux服务器 #逐个运行 #定时启动 #含有大量爬虫

本文介绍了如何在Linux服务器上部署含有大量爬虫的Scrapy项目，通过逐个运行避免端口不足问题。详细步骤包括配置环境、编写运行爬虫的run.py文件、创建执行脚本myshell.sh，以及设置定时启动脚本的cron任务，确保每日16:30自动执行爬虫，并将日志记录在spider.log中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

当scrapy爬虫项目中含有大量爬虫时（几百甚至更多），我们使用网上所介绍的scrapy同时启动多个爬虫方法会造成因端口不足而使爬虫运行失败。所以当我们的项目中含有大量爬虫时，可以考虑逐个运行爬虫，这样虽然运行时间长了一些但是可以令所有的爬虫都能运行。

一、配置环境

安装爬虫所需要的一些库，这里不再详述。我们主要讲述爬虫的部署以及如何让爬虫在服务器上定时自动运行。

二、编写爬虫运行程序

在spiders文件夹的同级下创建一个新的py文件，命名为run.py，然后编写这个文件，代码如下：

#-*- coding:utf8 -*-
import os
import re
import time
import subprocess

for filename in os.listdir(r'/home/Spidernet/Spider/peoplenet/peoplenet/spiders'):
	file_path = os.path.join(r'/home/Spidernet/Spider/peoplenet/peoplenet/spiders',filename)
	if os.path.splitext(file_path)[1] == '.py' and filename != 'run.py' and filename != '__init__.py':
		temp = ['scrapy','crawl']
		ru1 = re.compile(r'(.*).py')
		spiderName = ru1.search(filename).group(1)
		print(spiderName)
		temp.append(spiderName)
		subprocess.run(temp)
		#	subprocess.call("scrapy crawl "+spiderName)
		time.sleep(1)
Ttime = time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(ti