背景
Scrapy爬蟲的確是好使好用,去過scrapinghub的官網瀏覽一下,更是讚歎視覺化爬蟲的犀利。scrapinghub有一系列的產品,開源了大部分專案,Portia負責視覺化爬蟲的編輯,SpiderCloud負責雲端爬蟲的部署,Scrapy是實現他們底層的技術。國內的視覺化爬蟲技術也有不少,據我所知就這幾種:
如果有其他優秀的視覺化爬蟲我沒有提到,大家可以補充。他們的功能暫不討論,但他們都沒有開源的,不方便我們研究。
而scrapinghub將Portia開源出來了,我們可以通過這個渠道瞭解視覺化的爬蟲。雖然開源出來了,可是安裝真的不容易啊。
安裝
安裝之前交代一下,系統和環境吧!
- 系統:Ubuntu14 server
- Python:2.7
- 目標版本:2.0.8
有這兩個就夠了,這兩個是必須的。至於Python的版本可不可以是3.0以上呢?我只能說在3.0以上的版本環境下,我沒有安裝成功過,可能是我個人操作失誤的原因。
如果僅僅是使用的話,docker和本地安裝都是可以的,至於Vagrant可不可以,我就沒試過了。
我這裡優先說本地部署的方式,因為這種方式以後要改造程式碼再部署的話比較方便。官方文件說的比較簡單,按照官網文件來安裝,肯定要踩不少的坑。
我們擬定將Portia安裝在/opt目錄下面
1、克隆Portia
cd /opt
sudo git clone https://github.com/scrapinghub/portia.git
如果沒有git的話,執行sudo apt-get install git
安裝Git
2、不要使用虛擬環境
不知道你們有沒有強迫症,反正我是有的,用什麼pyenv和virtualenv搞過虛擬環境,讓我踩了不少坑。裡面有什麼坑呢?
- 安裝的指令碼需要新建檔案,需要sudo,如果使用了sudo,你的pyenv就白裝了,sudo會使用系統的Python2.7。
- portia和splash的指令碼的寫法不同,導致pyenv和virtualenv生效的情況也不一樣。
結論是,我輸了,我使用系統的Python2.7來安裝。
3、安裝指令碼
cd portia
sudo ./provision.sh install_deps install_splash install_python_deps
接下來可以等待安裝完成。
4、替換下載慢的指令碼(可選)
這步是可選的,如果sip或者PyQt下載的比較慢,可以先手動下載好。
http://sourceforge.net/projects/pyqt/files/sip/sip-4.17/sip-4.17.tar.gz
http://sourceforge.net/projects/pyqt/files/PyQt5/PyQt-5.5.1/PyQt-gpl-5.5.1.tar.gz
分別改名為sip.tar.gz和pyqt5.tar.gz放在/downlaods目錄中,/downloads沒有就新建一個。
然後vi /tmp/splash-2.3.x/dockerfiles/splash/provision.sh
把
#curl -L -o /downloads/sip.tar.gz http://sourceforge.net/projects/pyqt/files/sip/sip-${SPLASH_SIP_VERSION}/sip-${SPLASH_SIP_VERSION}.tar.gz && \
#curl -L -o /downloads/pyqt5.tar.gz http://sourceforge.net/projects/pyqt/files/PyQt5/PyQt-${SPLASH_PYQT_VERSION}/PyQt-gpl-${SPLASH_PYQT_VERSION}.tar.gz && \
註釋掉,儲存退出。再次在portia目錄下執行./provision.sh install_splash
最後等待安裝,當然,如果你網路好,這步可以忽略。
5、配置nginx
vi nginx/nginx.conf
修改:
root /opt/portia/portiaui/dist;
location /static {
alias /opt/portia/portiaui/dist;
}
儲存退出。
執行sudo ./provision.sh configure_nginx configure_initctl
6、安裝前端依賴和UI
sudo ./provision.sh install_frontend_deps build_assets
7、執行
前面的準備工作都做好了,現在執行Portia
export PYTHONPATH='/opt/portia/portia_server:/opt/portia/slyd:/opt/portia/slybot'
slyd/bin/slyd -p 9002 -r portiaui/dist & portia_server/manage.py runserver
現在開啟瀏覽器http://localhost:9001爽爽吧!
題外話
在ctrl+c停掉應用後,再次啟動會被提示埠已佔用。這個時候使用ps -ef | grep slyd,把對應的slyd埠kill掉