小白 Python 爬虫部署 Linux

Posted 2020-11-21 极客挖掘机

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了小白 Python 爬虫部署 Linux相关的知识，希望对你有一定的参考价值。

前言

前面国庆节的时候写过一个简易的爬虫。

《Python 简易爬虫实战》

还没看过的同学可以先看一下，这只爬虫主要用来爬取各个博客平台的阅读量等数据，一直以来都是每天晚上我自己手动在本地电脑运行，中间也有过几次忘记运行了，导致没有当天的统计数据。

当然最好的办法就是把这只爬虫部署在服务器上，让服务器定时去运行，这样就不需要我每天人工运行了，还有另外一件事就是之前也说了要做一个统计页面，自己挖的坑，要自己填起来。

正好最近各个云服务厂商都在搞双十一的活动，小编一眼看下去，都是新用户才能享受优惠，还好，小编在京东云还是新用户，购买了京东云的服务。

这个价格实在是太！贵！了！

一般自己测试使用没必要买和我同款的机器，小编买这个是为了后面有一些其他的服务也可以部署在上面。

闲话不多说，我们正式开始吧。

前置环境准备

新机器拿到手，除了上面装好了一个 CentOS 以外，啥都没有了，第一步当然是先把环境装起来啊。

先列举下我们要装的软件：

Docker
Mysql
Python3
Java8
Nginx

先装这么多吧，后续有补充的话再接着装。

Docker

首先什么是 Docker 请各位同学自己摆渡好吧，我简单解释一下 Docker 是一个容器，这个容器中可以运行很多的程序，这些程序之间互不干扰，如果其中那个程序在使用的过程中配置不对搞不定了，只需要将对应的 container 停止掉删除掉重新启动一个即可，从这一点上来讲类似于一个沙盒环境。这一点上尤其是数据库，本人拥有者丰富的在本地安装 Mysql 把 Mysql 玩脱了重新安装的经验。还是 Docker 好用。

开始安装 Docker ，首先时用自己喜欢的工具连接到远程的服务器上（小编这里使用的是 xshell ），或者也可以自己本地安装对应的 CentOS 虚拟机（win 环境下安装 CentOS 虚拟机又可以写一篇教程了，尤其是其中的网络配置，第一次安装的同学十有八九都卡在这里，有需要的同学可以在公众号给我留言）。

连接成功后如下图：

好像把 ip 露出来了，emmmmmmmmmmmmm ，各位大佬，没事干别攻击小编的机器，拜谢。

# step 1: 安装必要的一些系统工具
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
# Step 2: 添加软件源信息
sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
# Step 3: 更新并安装 Docker-CE
sudo yum makecache fast
sudo yum -y install docker-ce
# Step 4: 开启Docker服务
sudo systemctl start docker

如果 Linux 是使用 root 账号登录，命令中无需添加 sudo ，这个关键字的含义是使用管理员权限执行命令。

Docker 默认的镜像源在遥远的太平洋的另一端，可以配置国内的镜像加速来加块我们的拉取速度，小编这里选择的是阿里云的镜像加速，配置方式如下：

# 创建文件夹
sudo mkdir -p /etc/docker
# 写入配置内容
sudo tee /etc/docker/daemon.json <<-\'EOF\'
{
  "registry-mirrors": ["https://12ofullf.mirror.aliyuncs.com"]
}
EOF
# 重启服务
sudo systemctl daemon-reload
sudo systemctl restart docker

至此，Docker 安装配置就完成了，可以使用如下命令查看 Docker 的相关信息来验证 Docker 正常安装：

docker info

页面正常打印如下：

Mysql

Mysql 可以有两种安装方式，一种是直接在 CentOS 上进行安装，另一种是在 Docker 中进行安装，这里小编选择后一种，别问为啥，问就是简单、方便、快捷。

小编这里安装的 Mysql 选择版本为 5.7 ，安装命令如下：

docker pull mysql:5.7

等进度条走完，好了，我们已经装好了 Mysql ，是不是很简单。

当然，我们刚才只是把 Mysql 的景象给 pull 下来了，接下来的启动才是关键。

docker run --name mysql --restart=always -p 3306:3306 -v /www/mysql/conf.d:/etc/mysql/conf.d -v /www/mysql/mysql.conf.d:/etc/mysql/mysql.conf.d -v /www/mysql/datadir:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 -e TZ=Asia/Shanghai -d mysql:5.7

这个命令稍微有点长，不过没关系，直接 Copy 就 Ok。

稍微解释下其中的含义吧：

--restart 标志会检查容器的退出代码，并据此来决定是否要重启容器，默认是不会重启。

--restart 的参数说明：

always：无论容器的退出代码是什么，Docker都会自动重启该容器。
on-failure：只有当容器的退出代码为非0值的时候才会自动重启。另外，该参数还接受一个可选的重启次数参数，--restart=on-fialure:5 表示当容器退出代码为非0时，Docker会尝试自动重启该容器，最多5次。

-v 容器内的 /var/lib/mysql 在宿主机上 /www/mysql/datadir 做映射

-e MYSQL_ROOT_PASSWORD 初始密码

-p 将宿主机3306的端口映射到容器3306端口

接下来我们测试下刚才安装的 Mysql ，当然是使用本地的连接工具看下是否能正常连接啊，这里的工具小编选择了 Navicat 这一经典的 Mysql 连接工具。

测试链接成功，我们的 Mysql 安装完成。

Nginx

Nginx 是一款优秀的反向代理工具，详细的信息各位同学可以摆渡，简单描述下使用场景的话就是我一台服务器上可以启动多个服务，通过 Nginx 反向代理，可以映射多个域名，使用不同的域名访问不同的服务，当然 Nginx 的功能远不止这些。

首先，打开 Nginx 的官网（ http://nginx.org/en/download.html ），选择一个你喜欢的版本，Copy 到它的下载链接：

然后我们使用 wget 命令来下载它。

cd /opt/
wget http://nginx.org/download/nginx-1.17.5.tar.gz

小编这里选择的 Nginx 的版本为 1.17.5 。

等待进度条走完，这时我们得到了一个 Nginx 的压缩包，接下来解压它。

tar -xvzf nginx-1.17.5.tar.gz

然后我们需要安装 nginx 的编译环境：

yum install -y gcc-c++ pcre pcre-devel zlib zlib-devel openssl openssl-devel

等待进度条走完。

进入我们刚才解压的目录：

cd nginx-1.17.5

开始配置、编译、安装：

./configure
make && make install

一小段时间的等待。

等待执行完成后，可以看到 Nginx 已经帮我们安装到 /usr/local/nginx/ 这个目录下了，接下来我们可以创建一个软连接，让我们在任何目录都可以直接执行 nginx 的命令：

ln -s /usr/local/nginx/sbin/nginx /usr/local/sbin/

nginx 相关命令

# 启动
nginx
# 停止
nginx -s quit 或者 nginx -s stop
# 重启
nginx -s reload

我们启动 nginx ，打开浏览器访问直接访问ip，如图：

Nginx 已经安装完成，反向代理的配置我们后面用到了再聊，这里先酱。

Java8

统计报表服务小编这里计划使用 Java 来写，当然 Java 程序也可以放入 Docker 中运行，不过配置 Java 环境就是一件顺手的事情，顺便做了吧：）

首先一样，先下载 JDK8 ，并且将 JDK8 放入 /opt/ 目录中。

因为小编这里本地有下好的，就不去下载了，大家可以访问 Oracle 的官网下载。

小编这里给一个下载链接：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

回到我们的 CentOS ：

cd /opt/
ll

小编这里使用的 jdk 的版本是 8u221 。

直接解压：

tar -xvzf jdk-8u221-linux-x64.tar.gz

好了，我们又安装完了，当然还需要配置下环境变量，直接编辑 /etc/profile 这个文件，在文件中加入我们的环境变量：

# 编辑
vi /etc/profile

写入环境变量如下：

# 先按 i 开启插入模式，写入以下内容
export JAVA_HOME=/opt/jdk1.8.0_221
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

退出保存时先按 esc 键，输入 :wq ，再按回车键 enter 。

这时需要刷新下配置文件：

source /etc/profile

我们来测试刚才配置的 jdk 环境变量是否生效：

# 输入
java -version
# 输出
java version "1.8.0_221"
Java(TM) SE Runtime Environment (build 1.8.0_221-b11)
Java HotSpot(TM) 64-Bit Server VM (build 25.221-b11, mixed mode)
# 输入
javac -version
# 输出
javac 1.8.0_221

jdk 安装完成

Python3

终于到了最重要的 Python3 的安装了。

首先一样，去 Python 的官网，找到对应版本的 Python3 的下载地址，进入 /opt/ 目录进行下载：

官网下载链接：https://www.python.org/downloads/source/

小编这里选择的是截止目前最新发布的 3.8.0 版本。

wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz

下载完成后直接解压：

tar -xvzf Python-3.8.0.tgz

解压后编译安装：

# 创建安装目录
mkdir /usr/local/python3
cd Python-3.8.0
# 检查配置
./configure --prefix=/usr/local/python3
# 编译、安装
make && make install
# 创建软连接
ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3

测试安装结果：

# 输入
python3 -V
# 输出
Python 3.8.0

至此，前置环境已经搭建完成~~~

部署爬虫

我们前面写的爬虫是一个 .py ，先把这个文件上传至服务器，目录自己喜欢就好，小编一般放置在 /opt/ 目录下。

由于我们的爬虫引用了一些第三方的模块，这里需要先安装这些模块：

pip3 install lxml pymysql

安装完成后我们执行一下之前的脚本：

# 输入
python3 /opt/pythonproject/spider-demo.py
# 输出
---------CSDN 数据写入完成---------
---------掘金 数据写入完成---------
---------CNBLOG 数据写入完成---------

可以看到执行成功，接下来，我们要为 CentOS 设置定时任务，暂时先设置成每天的整点执行一次我们的 Python 爬虫，便于我们分辨当前的任务是否执行。

定时任务我们是使用 crontab 来完成的，如果当前的 CentOS 不含有 crontab ，可以先进行安装：

yum install crontabs -y

几个基础命令了解一下：

/sbin/service crond start //启动服务 
/sbin/service crond stop //关闭服务 
/sbin/service crond restart //重启服务 
/sbin/service crond reload //重新载入配置 
查看crontab服务状态：service crond status

我们先配置定时任务：

# 进入任务计划设置
crontab -e
# 计划内容
0 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23 * * * python3 /opt/pythonproject/spider-demo.py
# 保存退出
:wq

任务配置完成后，重新载入一下配置，或者重启一下服务都是可以的。

接下来就是静静的等待一小时后看下数据有没有正常的写入数据库。

统计报表

统计报表使用 Java 来完成，后端使用技术为 SpringBoot + Mybatis + Thymeleaf 。前端设计技术为 Vue + Element（饿了么前端组件库）。

具体实现就不列举了，有兴趣的同学可以访问代码仓库获取。

成品大致是酱紫滴：

Java 程序发布大致介绍一下吧，在服务器上创建一个自己喜欢的目录，将本地的程序打包后拖上去，执行下面的命令：

nohup java -jar /opt/project/tongji.jar >tongji.out 2>&1 &

就启动成功了。当然也可以将这个程序打成 Docker 镜像（这个后续有机会再聊吧），通过 Docker 来启动 Java 服务。

你以为这就完了么？怎么可能，我们还有 Nginx 没有用呢，下面来介绍如何通过 Nginx 来反向代理一个域名。

首先，你要有一个域名，小编的域名是在腾讯云购买的，并且完成了备案，可以随心所欲的使用啦~~~~

首先，自定义一个域名指向我们的服务器，大致是这样滴：

稍微等一会，等 DNS 生效。然后我们访问域名：http://tongji.geekdigging.com/ ，这时可以看到页面跳转至 Nginx 的首页：

接下来我们要配置 Nginx 的反向代理了。

首先在 /usr/local/nginx/conf/nginx.conf 这个文件的最后增加一句话：

include /etc/nginx/vhost/*.conf;

因为我们后面可能会配置很多域名，这里直接将所有的域名相关的配置文件都放在 /etc/nginx/vhost/ 这个目录下，方便管理， nginx 自身的配置文件我们不多做修改。

我们在 /etc/nginx/vhost/ 创建 tongji.conf 文件，其中内容如下：

server {
    listen       80;
    autoindex on;
    server_name  tongji.geekdigging.com;
    access_log off;
    # access_log /usr/local/nginx/logs/fuhui_access.log combined;
    error_log  /usr/local/nginx/logs/fuhui_error.log  error;
    index index.html index.htm index.jsp index.php;

    if ( $query_string ~* ".*[\\;\'\\<\\>].*" ){
        return 404;
    }

    location / {
        proxy_pass http://127.0.0.1:8080;

        proxy_set_header Host $http_host;

        proxy_set_header X-Real-IP $remote_addr;

        proxy_set_header Client-IP $remote_addr;

        proxy_set_header X-Forward-For $remote_addr;
        
    }
}

完成后重启 Nginx ：