Python 爬虫项目如何管理?

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 3002 天前的主题，其中的信息可能已经有所发展或是发生改变。

换工作后终于名正言顺写爬虫了,团队中只有我一个人写爬虫项目, 最近有个爬虫项目持续到年底,一天爬一个网站的速度,那么, 百来个爬虫项目如何管理呢? 我不用 scrapy, 有什么 tricky 或者建议请不吝赐教.

我期望的比较好的管理方式是部署到 web, 通过 web 管理. 实在不行就只能用 excel 管理啦.

爬虫

管理

Web

项目

20 条回复 • 2020-04-08 08:33:17 +08:00

50vip

2016-10-08 17:57:43 +08:00

不知道是什么意思~

wico77

2016-10-08 18:39:50 +08:00

pyspider, 不过这个适合定时爬。

Patrick95

2016-10-08 18:46:32 +08:00

用 Python 再写一个爬虫项目的 Web 管理系统嘛，应该不难呀。

wayslog

2016-10-08 18:59:06 +08:00 via Android

crontab+版本控制自动跑，考虑到迁移 ip 的事儿再用 ansible 写了个半自动化部署脚本。。。用的也挺好的

practicer

2016-10-08 19:11:18 +08:00 via iPhone

@wico77 看起来很有用，真的很感谢分享

practicer

2016-10-08 19:12:03 +08:00 via iPhone

@Patrick95 重新写不是挺慢的吗

Kilerd

2016-10-08 20:11:43 +08:00

造轮子，造轮子！！！

crayonyi

2016-10-08 20:53:43 +08:00

我是自己写了一个通用爬虫系统，后面用 django admin ，管理 10 几个爬虫的爬取规则及定时任务

cphilo

2016-10-08 21:22:58 +08:00

所有爬虫采用配置，然后弄个消息队列用来调度爬虫任务，基本上维护起来非常方便了，生产环境中几百个站点实践过

practicer

2016-10-09 09:08:03 +08:00

@cphilo 能不能详细说明一下啊?

practicer

2016-10-09 09:08:45 +08:00

@wayslog 有相关的教程吗?谢谢

anyforever

2016-10-09 09:19:47 +08:00

前两天刚看过的一篇理论文章，你可以参考着设计一下。 http://mp.weixin.qq.com/s?__biz=MjM5ODIzNDQ3Mw==&mid=2649966217&idx=1&sn=3a9b41d42a8e42849df6ff257db5f797&chksm=beca368f89bdbf994af347b85c1c089f2306613272f00fe917656b7ae0463bc9345d8160a76e#rd

wayslog

2016-10-09 10:26:24 +08:00 via Android

@practicer 没啥教程……基本上修修补补就出来了……又不是啥难得事儿……几个脚本的事儿

zluyuer

2016-10-09 12:29:13 +08:00

推荐采用 Rundeck 调度

brucedone

2016-10-09 16:41:57 +08:00

执行载体暴露 api ，以 xml 或者 json 做为标准格式，执行载体要有当前执行，待跑列表，历史记录，爬虫管理，执行或者删除等核心功能，然后以此的基础上，你就欢快的脱离语言自己造轮子吧。

brucedone

2016-10-09 17:26:22 +08:00

关于调度的，欢迎你使用这个。[调度]可视化的调度架构-Dagobah] http://brucedone.com/archives/754

practicer

2016-10-09 18:47:57 +08:00 via iPhone

@brucedone 这个工具很灵活啊，谢谢了

ytmsdy

2016-10-09 20:48:53 +08:00

pyspider

cszhiyue

2016-10-10 16:15:17 +08:00

@brucedone 更加完善的

incubator-airflow

tikazyq

2020-04-08 08:33:17 +08:00

crawlab