python爬虫scrapy之如何同时执行多个scrapy爬行任务

Posted 2020-10-15 Charles.L

背景：

　　刚开始学习scrapy爬虫框架的时候，就在想如果我在服务器上执行一个爬虫任务的话，还说的过去。但是我不能每个爬虫任务就新建一个项目吧。例如我建立了一个知乎的爬行任务，但是我在这个爬行任务中，写了多个spider，重要的是我想让他们同时运行，怎么办？

小白解决办法：

　　1、在spiders同目录下新建一个run.py文件，内容如下（列表里面最后可以加上参数，如--nolog）

　　2、小白想了（当时的我），这样也行，mygod，那我岂不是多写几行就行就行了么，结果（结果白痴了），小白又想，那加个while循环，把爬虫名字都写入一个列表，这样循环拿到每个spiders的name，结果更惨。

　　3、下面命令只限于，快速调试的作用或一个项目下单个spider的爬行任务。

from scrapy.cmdline import execute

execute([\'scrapy\',\'crawl\',\'httpbin\'])

　　

通过学习才知道原来是这样子：

　　1、在spiders同级创建任意目录，如：commands

　　2、在其中创建 crawlall.py 文件 （此处文件名就是自定义的命令）

　　

　　

crawlall.py

from scrapy.commands import ScrapyCommand
from scrapy.utils.project import get_project_settings


class Command(ScrapyCommand):

    requires_project = True

    def syntax(self):
        return \'[options]\'

    def short_desc(self):
        return \'Runs all of the spiders\'

    def run(self, args, opts):
        spider_list = self.crawler_process.spiders.list()
        for name in spider_list:
            self.crawler_process.crawl(name, **opts.__dict__)
        self.crawler_process.start()

　　3、到这里还没完，settings.py配置文件还需要加一条。

　　COMMANDS_MODULE = ‘项目名称.目录名称’　

COMMANDS_MODULE = \'zhihuuser.commands\'

 

 

　　4、那么问题来了，如果我在spiders写了多个爬行任务，我上面说了这么多，我最终需要怎么执行，so easy！你可以直接把下面这个命令放到计划任务里面，就行了。

scrapy crawlall