magical_spider远程采集方案

magical_spider

一个神奇的magical_spider项目，架构很简单，适用于数据采集任务。

index页面示例：

项目地址

https://github.com/lixi5338619/magical_spider

使用说明

1、配置settings.py，启动 flask 服务

2、测试代码参考demo文件内容,运行过程主要借助runflow.py。

import requests

host = 'http://127.0.0.1:5000'

def magical_start(project_name,base_url = 'http://www.lxspider.com'):
    # 1、create browser and select session_id
    result = requests.post(f'{host}/create',data={'name':project_name,'url':base_url}).json()
    session_id,process_url = result['session_id'],result['process_url']
    return session_id,process_url

def magical_request(session_id,process_url,request_url):
    # 2、request browser_xhr
    data = {'session_id':session_id,'process_url':process_url,
            'request_url':request_url,'request_type':'get'}
    result = requests.post(f'{host}/xhr',data=data).json()
    return result['result']

def magical_close(session_id,process_url,process_name):
    # 4、close browser
    close_data = {'session_id':session_id,'process_url':process_url,'process_name':process_name}
    requests.post(f'{host}/close',data=close_data).json()

3、测试代码

from demo.runflow import magical_start,magical_request,magical_close

project_name = 'cnipa'
base_url = 'https://www.cnipa.gov.cn'

session_id,process_url = magical_start(project_name,base_url)

print(len(magical_request(session_id, process_url,'https://www.cnipa.gov.cn/col/col57/index.html')))

magical_close(session_id,process_url,project_name)

4、index页可以查看和管理当前运行中的任务，也能查看系统内存和磁盘使用情况。

5、demo文件夹中有任务流程汇总runflow.py，以及抖音、药监局案例，单任务和多任务示例。

linux部署

1.安装chrome (自行选择安装位置)
yum install https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm

2.检查chrome的版本
google-chrome --version

3.安装对应版本的 chromedriver_linux64
比如我的chrome版本是104.0.5112.79
wget https://npm.taobao.org/mirrors/chromedriver/104.0.5112.79/chromedriver_linux64.zip

4.解压
unzip chromedriver_linux64

5.授权
chmod 777 chromedriver

6.修改项目代码settings.py中的chromedriver路径

7.安装python依赖后启动flask项目

• Python依赖 ：flask、sqlite3、selenium、websockets、opencv-python、numpy
• flask启动方式：python3 server.py

8.开启服务器端口访问权限

9.运行项目测试