Question

我正在使用scrapy进行一个项目，我想要抓取一些网站 - 可能是数百个 - 我必须为每个网站编写一个特定的蜘蛛。我可以使用以下方法在部署到scrapyd的项目中安排一个蜘蛛：

curl http://localhost:6800/schedule.json -d project=myproject -d spider=spider2

但是如何一次在项目中安排所有蜘蛛？

所有人都非常感谢！

Answer 1

我一次运行200多个蜘蛛的解决方案是为项目创建一个自定义命令。有关实现自定义命令的详细信息，请参阅http://doc.scrapy.org/en/latest/topics/commands.html#custom-project-commands。

YOURPROJECTNAME / commands / allcrawl.py ：

from scrapy.command import ScrapyCommand
import urllib
import urllib2
from scrapy import log

class AllCrawlCommand(ScrapyCommand):

    requires_project = True
    default_settings = {'LOG_ENABLED': False}

    def short_desc(self):
        return "Schedule a run for all available spiders"

    def run(self, args, opts):
        url = 'http://localhost:6800/schedule.json'
        for s in self.crawler.spiders.list():
            values = {'project' : 'YOUR_PROJECT_NAME', 'spider' : s}
            data = urllib.urlencode(values)
            req = urllib2.Request(url, data)
            response = urllib2.urlopen(req)
            log.msg(response)

确保在settings.py中包含以下内容

COMMANDS_MODULE = 'YOURPROJECTNAME.commands'

然后从命令行（在项目目录中）只需键入

即可

scrapy allcrawl

Answer 2

抱歉，我知道这是一个古老的话题，但我最近开始学习scrapy并且在这里发现了，我还没有足够的代表发表评论，所以发布了答案。

从the common scrapy practices开始，您将看到如果您需要同时运行多个蜘蛛，您必须启动多个scrapyd服务实例，然后在这些实例之间分发Spider。

使用scrapyd一次运行多个scrapy蜘蛛

2 个答案: