初级用户：
- 只有一台开发主机
- 能够通过 Scrapyd-client 打包和部署 Scrapy 爬虫项目，以及通过 Scrapyd JSON API 来控制爬虫，感觉 命令行操作太麻烦 ，希望能够通过浏览器直接部署和运行项目
专业用户：
- 有 N 台云主机，通过 Scrapy-Redis 构建分布式爬虫
- 希望集成身份认证
- 希望在页面上直观地查看所有云主机的运行状态
- 希望 能够自由选择部分云主机，一键部署和运行爬虫项目，实现集群管理
- 希望自动执行日志分析，以及爬虫进度可视化
- 希望在出现特定类型的异常日志时能够及时通知用户，包括自动停止当前爬虫任务
安装和配置
- 所有主机都已经安装和启动 Scrapyd
- 开发主机或任一台主机安装 ScrapydWeb ： pip install scrapydweb
- 运行命令 scrapydweb -h ， 将在当前工作目录生成 scrapydweb_settings.py 配置文件
- 启用 HTTP 基本认证
ENABLE_AUTH = True USERNAME = 'username' PASSWORD = 'password'
SCRAPYD_SERVERS = [
'127.0.0.1',# 'username:password@localhost:6801#group',('username','password','localhost','6801','group'),]
- 通过运行命令 scrapydweb 启动 ScrapydWeb
访问 Web UI
进群：548377875 即可获取小菜鸟精心准备的PDF以及教程全套呢！
通过浏览器访问 http://127.0.0.1:5000 ，输入认证信息登录
- Overview 页面自动输出所有 Scrapyd server 的运行状态
- 通过分组和过滤可以自由选择若干台 Scrapyd server，调用 Scrapyd 提供的所有 JSON API， 实现一次点击，批量执行
部署项目
- 支持指定若干台 Scrapyd server 部署项目
- 通过配置 SCRAPY_PROJECTS_DIR 指定 Scrapy 项目开发目录， ScrapydWeb 将自动列出该路径下的所有项目，自动打包和部署指定项目
运行爬虫
- 通过下拉框直接选择 project，version 和 spider
- 支持传入 Scrapy settings 和 spider arguments
- 同样支持指定若干台 Scrapyd server 运行爬虫
日志分析和可视化
- 爬虫进度可视化
- 配置邮箱认证信息
SMTP_SERVER = 'smtp.qq.com' SMTP_PORT = 465 SMTP_OVER_SSL = True SMTP_CONNECTION_TIMEOUT = 10 FROM_ADDR = 'username@qq.com' EMAIL_PASSWORD = 'password' TO_ADDRS = ['username@qq.com']
EMAIL_WORKING_DAYS = [1,2,3,4,5] EMAIL_WORKING_HOURS = [9,12,17] ON_JOB_RUNNING_INTERVAL = 3600 ON_JOB_FINISHED = True
- 基于后台定时执行日志分析， ScrapydWeb 提供多种 log 类型触发器及其阈值设置，包括 'CRITICAL','ERROR','WARNING','REDIRECT','RETRY','IGnorE'等。以下示例为：当发现3条或3条以上的 critical 级别的 log 时 自动停止当前任务 ，如果当前时间在邮件工作时间内，则同时发送通知邮件。
LOG_CRITICAL_THRESHOLD = 3 LOG_CRITICAL_TRIGGER_STOP = True LOG_CRITICAL_TRIGGER_FORCESTOP = False ... LOG_IGnorE_TRIGGER_FORCESTOP = False
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
