最近运行了一下之前用easyswoole写的一个爬虫的demo，却发现启动直接报错。swServer_start_check: onTask event callback must be set at，大致的意思是没有设置onTask事件。因为easyswoole是个框架，遇到这种问题真不好排查。 ...
分类：
其他好文 时间：
2021-02-04 12:06:26
阅读次数：
0
1 引擎：Hi！Spider, 你要处理哪一个网站？ 2 Spider：老大要我处理xxxx.com。 3 引擎：你把第一个需要处理的URL给我吧。 4 Spider：给你，第一个URL是xxxxxxx.com。 5 引擎：Hi！调度器，我这有request请求你帮我排序入队一下。 6 调度器：好的 ...
分类：
其他好文 时间：
2021-02-04 11:47:56
阅读次数：
0
一 介绍 原来scrapy的Scheduler维护的是本机的任务队列（存放Request对象及其回调函数等信息）+本机的去重队列（存放访问过的url地址） 所以实现分布式爬取的关键就是，找一台专门的主机上运行一个共享的队列比如Redis，然后重写Scrapy的Scheduler，让新的Schedul ...
分类：
其他好文 时间：
2021-02-02 11:24:43
阅读次数：
0
个人记录 let http = require("http"); let fs = require("fs"); let cheerio = require("cheerio");//服务端的DOM解析模块 http.get("http://www.mobiletrain.org/teacher/" ...
分类：
其他好文 时间：
2021-02-02 11:15:44
阅读次数：
0
日志设置 CRITICAL ： 严重错误 ERROR ： 一般错误 WARNING : 警告 INFO : 一般的信息 DEBUG ： 调试信息 默认的显示级别是DEBUG # 设置错误显示级别 LOG_LEVEL = 'DEBUG' # 将日志信息写到文件中，不要显示到屏幕中 LOG_FILE = ...
分类：
其他好文 时间：
2021-02-01 12:18:26
阅读次数：
0
1 import scrapy 2 import re 3 from fake_useragent import UserAgent 4 5 6 class DoubanSpider(scrapy.Spider): 7 name = "douban" 8 start_urls = ['https:/ ...
分类：
Web程序 时间：
2021-01-28 11:53:08
阅读次数：
0
scrapy框架学习 初识 一、概述 Scrapy，Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。 二、安装 安装：pip install scrapy 因为安装scrapy需要相 ...
分类：
其他好文 时间：
2021-01-26 12:21:50
阅读次数：
0
主要是一个简单的demo测试 1.首先找到一个html查看源码如图 如果是这样的一段代码，我们的目标是获取a标签中的href内容，和文本内容，以及<span></span>标签中的日期，和p标签中的数据 2.开始做准备 （1）加入相关工具包 <!-- html解析jar --> <dependenc ...
分类：
编程语言 时间：
2021-01-22 12:05:17
阅读次数：
0
movie.py import scrapyfrom scrapy.linkextractors import LinkExtractorfrom scrapy.spiders import CrawlSpider, Rulefrom zlsPro.items import ZlsproItemfr ...
分类：
编程语言 时间：
2021-01-18 10:40:45
阅读次数：
0
urllib是Python中请求url连接的官方标准库，在Python3中将Python2中的urllib和urllib2整合成了urllib。urllib中一共有四个模块，分别如下： request：主要负责构造和发起网络请求,定义了适用于在各种复杂情况下打开 URL (主要为 HTTP) 的函数 ...
分类：
Web程序 时间：
2021-01-15 11:56:28
阅读次数：
0
