小編給大家分享一下scrapy在python分布式爬蟲的使用范圍，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！
1.scrapy框架是否可以自己實現(xiàn)分布式？
不可以。原因有二。
其一：因為多臺機器上部署的scrapy會各自擁有各自的調度器，這樣就使得多臺機器無法分配start_urls列表中的url。（多臺機器無法共享同一個調度器）
其二：多臺機器爬取到的數(shù)據(jù)無法通過同一個管道對數(shù)據(jù)進行統(tǒng)一的數(shù)據(jù)持久出存儲。（多臺機器無法共享同一個管道）
2.基于scrapy-redis組件的分布式爬蟲
scrapy-redis組件中為我們封裝好了可以被多臺機器共享的調度器和管道，我們可以直接使用并實現(xiàn)分布式數(shù)據(jù)爬取。
實現(xiàn)方式：
基于該組件的RedisSpider類
基于該組件的RedisCrawlSpider類
3.分布式實現(xiàn)流程：上述兩種不同方式的分布式實現(xiàn)流程是統(tǒng)一的
3.1 下載scrapy-redis組件：
pip install scrapy-redis
3.2 redis配置文件的配置：
注釋該行：bind 127.0.0.1，表示可以讓其他ip訪問redis
將yes該為no：protected-mode no，表示可以讓其他ip操作redis
3.3 修改爬蟲文件中的相關代碼：
將爬蟲類的父類修改成基于RedisSpider或者RedisCrawlSpider。注意：如果原始爬蟲文件是基于 Spider的，則應該將父類修改成RedisSpider，如果原始爬蟲文件是基于CrawlSpider的，則應該將其父類修改成RedisCrawlSpider。
注釋或者刪除start_urls列表，切加入redis_key屬性，屬性值為scrpy-redis組件中調度器隊列的名稱
3.4 在配置文件中進行相關配置，開啟使用scrapy-redis組件中封裝好的管道
看完本篇文章我們知道，因為兩點的限制，scrapy框架是不能在python分布式爬蟲獨立運用的，但是我們可以配合其他的一些函數(shù)來運行，這點小伙伴們可要記住啦~
以上是“scrapy在python分布式爬蟲的使用范圍”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道！
重慶分公司
重慶分公司
