动图展示
集群多节点部署和运行爬虫项目：
安装和配置
j进群：960410445 即可获取数十套PDF！
访问 Web UI
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 HTTP JSON API，实现一次操作，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，选择项目后即可自动打包和部署指定项目：
如果ScrapydWeb运行在远程服务器上，除了通过当前开发主机上传常规的 egg 文件，也可以将整个项目文件夹添加到 zip/tar/tar.gz 压缩文件后直接上传即可，无需手动打包：)
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
默认情况下，ScrapydWeb将在后台定时自动读取和分析 Scrapy log 文件并生成 Stats 页面
爬虫进度可视化
邮件通知
基于后台定时读取和分析 Scrapy log 文件，ScrapydWeb将在满足特定触发器时发送通知邮件，邮件正文包含当前运行任务的统计信息。
1.添加邮箱帐号：
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']
2.设置邮件工作时间和基本触发器，以下示例代表：每隔1小时或某一任务完成时，并且当前时间是工作日的9点，12点和17点，ScrapydWeb将会发送通知邮件。
EMAIL_WORKING_DAYS = [1, 2, 3, 4, 5]
EMAIL_WORKING_HOURS = [9, 12, 17]
ON_JOB_RUNNING_INTERVAL = 3600
ON_JOB_FINISHED = True
3.除了基本触发器，ScrapydWeb还提供了多种触发器用于处理不同类型的 log，包括 'CRITICAL', 'ERROR', 'WARNING', 'REDIRECT', 'RETRY' 和 'IGNORE'等。
LOG_CRITICAL_THRESHOLD = 3
LOG_CRITICAL_TRIGGER_STOP = True
LOG_CRITICAL_TRIGGER_FORCESTOP = False
# ...
LOG_IGNORE_TRIGGER_FORCESTOP = False
以上示例代表：当发现3条或3条以上的 critical 级别的 log 时，ScrapydWeb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。
GitHub 开源
活捉几只官方大佬，赶紧前去围观吧，别忘了 Star 噢！
my8100 / scrapydweb
网友评论