快捷導(dǎo)航

python中用Scrapy實現(xiàn)定時爬蟲的實例講解

更新時間：2021年01月18日 14:33:04 作者：宋宋大人

在本篇文章里小編給大家整理的是一篇關(guān)于python中用Scrapy實現(xiàn)定時爬蟲的實例講解內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。

一般網(wǎng)站發(fā)布信息會在具體實現(xiàn)范圍內(nèi)發(fā)布，我們在進(jìn)行網(wǎng)絡(luò)爬蟲的過程中，可以通過設(shè)置定時爬蟲，定時的爬取網(wǎng)站的內(nèi)容。使用python爬蟲框架Scrapy框架可以實現(xiàn)定時爬蟲，而且可以根據(jù)我們的時間需求，方便的修改定時的時間。

1、Scrapy介紹

Scrapy是python的爬蟲框架，用于抓取web站點并從頁面中提取結(jié)構(gòu)化的數(shù)據(jù)。任何人都可以根據(jù)需求方便的修改。Scrapy用途廣泛，可以用于數(shù)據(jù)挖掘、監(jiān)測和自動化測試。

2、使用Scrapy框架定時爬取

import time
from scrapy import cmdline
def doSth():
  # 把爬蟲程序放在這個類里 zhilian_spider 是爬蟲的name
  cmdline.execute('scrapy crawl zhilian_spider'.split())
# 想幾點更新,定時到幾點
def time_ti(h=17, m=54):
  while True:
    now = datetime.datetime.now()
    # print(now.hour, now.minute)
    if now.hour == h and now.minute == m:
      doSth()
    # 每隔60秒檢測一次
    time.sleep(60)
time_ti()

3、更簡單的寫法

import time
import sys
import os
import datetime
def Dingshi():
while True:
os.system("scrapy crawl lcp")#lcp是我們爬蟲的代碼名字哦
time.sleep(60)
Dingshi()

知識點擴(kuò)展：

直接使用Timer類實例代碼

import time
import os
while True:
 os.system("scrapy crawl News")
 time.sleep(86400) #每隔一天運行一次 24*60*60=86400s或者，使用標(biāo)準(zhǔn)庫的sched模塊
import sched
#初始化sched模塊的scheduler類
#第一個參數(shù)是一個可以返回時間戳的函數(shù)，第二個參數(shù)可以在定時未到達(dá)之前阻塞。
schedule = sched.scheduler ( time.time, time.sleep )
#被周期性調(diào)度觸發(fā)的函數(shù)
def func():
 os.system("scrapy crawl News")
def perform1(inc):
 schedule.enter(inc,0,perform1,(inc,))
 func() # 需要周期執(zhí)行的函數(shù)
def mymain():
 schedule.enter(0,0,perform1,(86400,))
if __name__=="__main__":
 mymain()
 schedule.run() # 開始運行，直到計劃時間隊列變成空為止關(guān)于cmd的實現(xiàn)方法，本人在單次執(zhí)行爬蟲程序時使用的是 
cmdline.execute("scrapy crawl News".split())但可能因為cmdline是scrapy模塊中自帶的，所以定時執(zhí)行時只能執(zhí)行一次就退出了。

到此這篇關(guān)于python中用Scrapy實現(xiàn)定時爬蟲的實例講解的文章就介紹到這了,更多相關(guān)python中使用Scrapy實現(xiàn)定時爬蟲內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: