<p align="center">
<a href="https://ayugespidertools.readthedocs.io" target="_blank" rel="noopener noreferrer">
<img src="https://raw.githubusercontent.com/shengchenyang/AyugeSpiderTools/master/artwork/ayugespidertools-logo.png" alt="ayugespidertools-logo">
</a>
</p>
<hr/>
# AyugeSpiderTools 介绍
**简体中文** | [English](https://github.com/shengchenyang/AyugeSpiderTools/blob/master/README_en.md)
## 概述
> 一句话介绍：用于扩展 Scrapy 功能来解放双手。
在使用 `Scrapy` 开发爬虫时，免不了会重复地编写 `settings`，`items`，`middlewares`，`pipelines`
和一些通用方法，但各项目中的这些内容都大致相同，那为何不把它们统一整理在一起呢？我也想扩展一些功能，比如当 `spider`
中添加字段后，不用再修改对应的 `item` 和 `pipeline` 甚至不用手动修改 `Mysql` 和 `PostgreSQL` 的表结构。
项目的主旨是让开发者只需专注于 `spider` 脚本的编写，减少开发和维护流程。理想状态下，只需关注 `spider`
中字段的解析规则和 `VIT` 下的 `.conf` 配置即可，**脱离无意义的重复操作**。
以 `Mysql` 存储场景举例：可以自动创建相关数据库，数据表，字段注释，自动添加 `spider`
中新添加的字段，和自动修复常见（字段编码，`Data too long`，存储字段不存在等）的存储问题。
## 安装
> 可以直接输入以下命令：
```shell
pip install ayugespidertools
```
> 可选安装1，安装数据库相关的所有依赖：
```shell
pip install ayugespidertools[database]
```
> 可选安装2，通过以下命令安装所有依赖：
```shell
pip install ayugespidertools[all]
```
*注：详细的安装介绍请查看[安装指南](https://ayugespidertools.readthedocs.io/en/latest/intro/install.html)。*
## 用法
> 开发人员只需根据命令生成示例模板，再配置相关设置即可。
使用方法示例 `GIF` 如下：
对以上 `GIF` 中的步骤进行解释：
```shell
# 查看库版本
ayuge version
# 创建项目
ayuge startproject <project_name>
# 进入项目根目录
cd <project_name>
# 替换(覆盖)为真实的配置 .conf 文件：
# 这里是为了演示方便，正常情况是直接在 VIT 中的 .conf 文件填上你需要的配置即可
cp /root/mytemp/.conf DemoSpider/VIT/.conf
# 生成爬虫脚本
ayuge genspider <spider_name> <example.com>
# 运行脚本
scrapy crawl <spider_name>
# 注：也可以使用 ayuge crawl <spider_name>
```
具体的场景案例请在 [DemoSpider](https://github.com/shengchenyang/DemoSpider)
项目中查看，也可以在 [readthedocs](https://ayugespidertools.readthedocs.io/en/latest/) 文档中查看教程。目前已适配以下场景：
```diff
+ 0).以下场景全支持从 nacos 或 consul 中获取配置，不一一举例。
# 数据存入 Mysql 的场景：
+ 1).demo_one: 从 .conf 中获取 mysql 配置
+ 3).demo_three: 从 consul 中获取 mysql 配置
+ 21).demo_mysql_nacos: 从 nacos 中获取 mysql 配置
+ 5).demo_five: Twisted 异步存储示例
+ 24).demo_aiomysql: 结合 aiomysql 实现的 asyncio 异步存储示例
+ 13).demo_AyuTurboMysqlPipeline: mysql 同步连接池的示例
# 数据存入 MongoDB 的场景：
+ 2).demo_two: 从 .conf 中获取 mongodb 配置
+ 4).demo_four: 从 consul 中获取 mongodb 配置
+ 6).demo_six: Twisted 异步存储示例
+ 17).demo_mongo_async: 结合 motor 实现的 asyncio 异步存储示例
# 数据存入 PostgreSQL 的场景(需要安装 ayugespidertools[database])
+ 22).demo_nine: 从 .conf 中获取 postgresql 配置
+ 23).demo_ten: Twisted 异步存储示例
+ 27).demo_eleven: asyncio 异步存储示例
# 数据存入 ElasticSearch 的场景(需要安装 ayugespidertools[database])
+ 28).demo_es: 普通同步存储示例
+ 29).demo_es_async: asyncio 异步存储示例
# 数据存入 Oracle 的场景(需要安装 ayugespidertools[database])
+ 25). demo_oracle: 普通同步存储示例
+ 26). demo_oracle_twisted: Twisted 异步存储示例
- 7).demo_seven: 使用 requests 来请求的场景(已删除，更推荐 aiohttp 方式)
+ 8).demo_eight: 同时存入 Mysql 和 MongoDB 的场景
+ 9).demo_aiohttp_example: 使用 aiohttp 来请求的场景
+ 10).demo_aiohttp_test: scrapy aiohttp 在具体项目中的使用方法示例
+ 11).demo_proxy_one: 快代理动态隧道代理示例
+ 12).demo_proxy_two: 测试快代理独享代理
+ 14).demo_crawl: 支持 scrapy CrawlSpider 的示例
# 本库中给出支持 Item Loaders 特性的示例
+ 15).demo_item_loader: 本库中使用 Item Loaders 的示例
- 16).demo_item_loader_two: 已删除，可查看 demo_item_loader，可方便的使用 Item Loaders 了
+ 18).demo_mq: 数据存入 rabbitmq 的模板示例
+ 19).demo_kafka: 数据存入 kafka 的模板示例
+ 20).demo_file: 使用本库 pipeline 下载图片等文件到本地的示例
+ 30).demo_file_sec: 自行实现的图片下载示例
+ 31).demo_oss: 使用本库 pipeline 上传到 oss 的示例
+ 32).demo_oss_sec: 自行实现的 oss 上传示例
+ 33).demo_oss_super: MongoDB 存储场景 oss 上传字段支持列表类型
+ 34).demo_conf: 支持从 .conf 中获取自定义配置
```
## 超级棒的示例
简单、快速、优雅地实现分布式开发，部署及运行的示例：`demo_s`，具体介绍请在 `DemoSpider` 项目中查看，运行示例图为：
## 跑通测试
前提：需要在 `tests` 的 `VIT` 目录下创建 `.conf` 文件，已给出示例文件，请填写测试所需内容，然后：
- 可以直接使用 `tox` 来运行测试。
- 本库以 [poetry](https://python-poetry.org/docs/) 开发，那么直接新环境下运行 `poetry install`
后，手动运行目标测试或 `pytest` 命令来测试等皆可。
- 也可以使用 `make` 工具，`make start` 然后 `make test` 即可。
## 你可能在意的事
1. 若你觉得某些场景下的功能实现不太符合你的预期，想要修改或添加自定义功能，比如移除对你无用模块、修改库名等，你可以自行修改后 `build`。
2. 本库主推 `scrapy` 扩展功能，在使用本库时，不会影响你 `scrapy` 项目及其它组件。
也就是说，可使用本库开发原生的 `scrapy`，也可用 `scrapy` 的风格来开发，但还是推荐使用 `DemoSpider` 示例中的风格开发。不会对开发者造成过多的迁移成本。
3. 代码测试覆盖率有点低，考虑增加吗？
不考虑，场景所依赖服务太多，且云服务等其它因素导致个人维护成本过高，但不必担心，我会和本地服务的自动化测试结合使用。
## 构建你的专属库
> 具体内容请以 [poetry 官方文档](https://python-poetry.org/docs/) 为准。
据[你可能在意的事](#你可能在意的事)可知，你可以 `clone`
源码后，修改任意方法（比如你的项目场景下可能需要其它的日志配置默认值，或添加其它的项目结构模板等），修改完成后 `poetry build`
或 `make build` 即可打包使用。
比如你可能需要更新依赖库中 `kafka-python` 为新版本 `x.x.x`，那只需 `poetry install`
安装现有依赖后，再 `poetry add kafka-python==x.x.x` 安装目标版本（尽量不要使用 `poetry update kafka-python`
），确定测试正常了即可 `poetry build` 打包使用。
> 其它自定义 scrapy 项目的方式
也可以通过 `cookiecutter` 对项目个性化定制，可参考 [LazyScraper](https://github.com/shengchenyang/LazyScraper) 项目。
**希望此项目能在你遇到扩展 scrapy 功能的场景时对你有所指引。**
## 功能
- [x] `scrapy` 的扩展功能场景
- [x] `scrapy` 脚本运行信息统计和项目依赖表采集量统计，可用于日志记录和预警
- [x] 自定义模板，在 `ayuge startproject <projname>` 和 `ayuge genspider <spidername>` 时生成适合本库的模板文件
- [x] 从远程应用管理服务中获取项目配置
- [x] 从 `consul` 获取项目配置
- [x] 从 `nacos` 获取项目配置（注意：优先级小于 `consul`）
- [x] 代理中间件（独享代理、动态隧道代理）
- [x] 随机请求头 `UA` 中间件，根据 `fake_useragent` 中的权重来随机
- [x] 使用以下工具来替换 `scrapy` 的 `Request` 来发送请求
- [x] ~~`requests`: 这个不推荐使用，`requests` 同步库会降低 `scrapy` 运行效率~~（已移除此功能，更推荐 `aiohttp`
的方式）
- [x] `aiohttp`: 集成将 `scrapy Request` 替换为 `aiohttp` 的协程方式
- [x] `Mysql` 存储的场景下适配
- [x] 自动创建 `Mysql` 用户场景下需要的数据库和数据表及字段格式，还有字段注释
- [x] `MongoDB` 存储场景适配
- [x] `PostgreSQL` 存储场景适配
- [x] `ElasticSearch` 存储场景适配
- [x] `Oracle` 存储场景适配
- [x] `oss` 上传场景适配
- [x] `asyncio` 语法支持与 `async` 第三方库支持示例
- [x] `spider` 中使用 `asyncio` 的 `aiohttp` 示例
- [x] `pipeline` 中使用 `asyncio` 的 `aioMysql` 示例
- [x] 集成 `Kafka`，`RabbitMQ` 等数据推送功能
- [x] 常用开发场景
- [x] `sql` 语句拼接，只用于简单场景。
- [x] 数据格式化处理，比如：去除网页标签，去除无效空格等
- [x] 字体反爬还原方法
- [x] 基于 `ttf`，`woff` 之类的字体文件映射，或结合 `css` 等实现
- [x] 可以直接在字体文件 `xml`
中找到映射关系的：使用 [fontforge](https://github.com/fontforge/fontforge/releases) 工具导出映射即可。
- [x] 无法找到映射关系的，则一般使用 `ocr` 识别（准确率非百分百），通过 `fontforge` 导出每个映射的 `png`
，后再通过各种方式识别。
- [x] 字体反爬部分功能迁移到 `FontMapster` 项目中。
- [x] `html` 数据处理，去除标签，不可见字符，特殊字符改成正常显示等
- [x] 添加常用的图片验证码中的处理方法
- [x] 滑块缺口距离的识别方法（多种实现方式）
- [x] 根据滑块距离生成轨迹数组的方法
- [x] 识别点选验证码位置及点击顺序
- [x] 图片乱序混淆的还原方法示例
注意：功能演示我将放入 [readthedocs](https://ayugespidertools.readthedocs.io/en/latest/) 文档中，以防此部分内容过多。
## 赞助
如果此项目对你有所帮助，可以选择打赏作者。
<img src="https://github.com/shengchenyang/AyugeSpiderTools/raw/master/artwork/ayugespidertools-donating.jpg" alt="微信赞赏码" width="280"/>
Raw data
{
"_id": null,
"home_page": "https://www.ayuge.top/mkdocs-material/",
"name": "AyugeSpiderTools",
"maintainer": "ayuge",
"docs_url": null,
"requires_python": "<4.0,>=3.9",
"maintainer_email": "ayugesheng@gmail.com",
"keywords": "crawler, scraping, scrapy-extension",
"author": "ayuge",
"author_email": "ayugesheng@gmail.com",
"download_url": "https://files.pythonhosted.org/packages/76/46/1f64ca1202b3aa5adf3ae6612612459fca78f34469023ff580a9642d68d5/ayugespidertools-3.11.0.tar.gz",
"platform": null,
"description": "<p align=\"center\">\n <a href=\"https://ayugespidertools.readthedocs.io\" target=\"_blank\" rel=\"noopener noreferrer\">\n <img src=\"https://raw.githubusercontent.com/shengchenyang/AyugeSpiderTools/master/artwork/ayugespidertools-logo.png\" alt=\"ayugespidertools-logo\">\n </a>\n</p>\n<hr/>\n\n# AyugeSpiderTools \u4ecb\u7ecd\n\n\n\n\n\n\n\n\n\n**\u7b80\u4f53\u4e2d\u6587** | [English](https://github.com/shengchenyang/AyugeSpiderTools/blob/master/README_en.md)\n\n## \u6982\u8ff0\n\n> \u4e00\u53e5\u8bdd\u4ecb\u7ecd\uff1a\u7528\u4e8e\u6269\u5c55 Scrapy \u529f\u80fd\u6765\u89e3\u653e\u53cc\u624b\u3002\n\n\u5728\u4f7f\u7528 `Scrapy` \u5f00\u53d1\u722c\u866b\u65f6\uff0c\u514d\u4e0d\u4e86\u4f1a\u91cd\u590d\u5730\u7f16\u5199 `settings`\uff0c`items`\uff0c`middlewares`\uff0c`pipelines`\n\u548c\u4e00\u4e9b\u901a\u7528\u65b9\u6cd5\uff0c\u4f46\u5404\u9879\u76ee\u4e2d\u7684\u8fd9\u4e9b\u5185\u5bb9\u90fd\u5927\u81f4\u76f8\u540c\uff0c\u90a3\u4e3a\u4f55\u4e0d\u628a\u5b83\u4eec\u7edf\u4e00\u6574\u7406\u5728\u4e00\u8d77\u5462\uff1f\u6211\u4e5f\u60f3\u6269\u5c55\u4e00\u4e9b\u529f\u80fd\uff0c\u6bd4\u5982\u5f53 `spider`\n\u4e2d\u6dfb\u52a0\u5b57\u6bb5\u540e\uff0c\u4e0d\u7528\u518d\u4fee\u6539\u5bf9\u5e94\u7684 `item` \u548c `pipeline` \u751a\u81f3\u4e0d\u7528\u624b\u52a8\u4fee\u6539 `Mysql` \u548c `PostgreSQL` \u7684\u8868\u7ed3\u6784\u3002\n\n\u9879\u76ee\u7684\u4e3b\u65e8\u662f\u8ba9\u5f00\u53d1\u8005\u53ea\u9700\u4e13\u6ce8\u4e8e `spider` \u811a\u672c\u7684\u7f16\u5199\uff0c\u51cf\u5c11\u5f00\u53d1\u548c\u7ef4\u62a4\u6d41\u7a0b\u3002\u7406\u60f3\u72b6\u6001\u4e0b\uff0c\u53ea\u9700\u5173\u6ce8 `spider`\n\u4e2d\u5b57\u6bb5\u7684\u89e3\u6790\u89c4\u5219\u548c `VIT` \u4e0b\u7684 `.conf` \u914d\u7f6e\u5373\u53ef\uff0c**\u8131\u79bb\u65e0\u610f\u4e49\u7684\u91cd\u590d\u64cd\u4f5c**\u3002\n\n\u4ee5 `Mysql` \u5b58\u50a8\u573a\u666f\u4e3e\u4f8b\uff1a\u53ef\u4ee5\u81ea\u52a8\u521b\u5efa\u76f8\u5173\u6570\u636e\u5e93\uff0c\u6570\u636e\u8868\uff0c\u5b57\u6bb5\u6ce8\u91ca\uff0c\u81ea\u52a8\u6dfb\u52a0 `spider`\n\u4e2d\u65b0\u6dfb\u52a0\u7684\u5b57\u6bb5\uff0c\u548c\u81ea\u52a8\u4fee\u590d\u5e38\u89c1\uff08\u5b57\u6bb5\u7f16\u7801\uff0c`Data too long`\uff0c\u5b58\u50a8\u5b57\u6bb5\u4e0d\u5b58\u5728\u7b49\uff09\u7684\u5b58\u50a8\u95ee\u9898\u3002\n\n## \u5b89\u88c5\n\n> \u53ef\u4ee5\u76f4\u63a5\u8f93\u5165\u4ee5\u4e0b\u547d\u4ee4\uff1a\n\n```shell\npip install ayugespidertools\n```\n\n> \u53ef\u9009\u5b89\u88c51\uff0c\u5b89\u88c5\u6570\u636e\u5e93\u76f8\u5173\u7684\u6240\u6709\u4f9d\u8d56\uff1a\n\n```shell\npip install ayugespidertools[database]\n```\n\n> \u53ef\u9009\u5b89\u88c52\uff0c\u901a\u8fc7\u4ee5\u4e0b\u547d\u4ee4\u5b89\u88c5\u6240\u6709\u4f9d\u8d56\uff1a\n\n```shell\npip install ayugespidertools[all]\n```\n\n*\u6ce8\uff1a\u8be6\u7ec6\u7684\u5b89\u88c5\u4ecb\u7ecd\u8bf7\u67e5\u770b[\u5b89\u88c5\u6307\u5357](https://ayugespidertools.readthedocs.io/en/latest/intro/install.html)\u3002*\n\n## \u7528\u6cd5\n\n> \u5f00\u53d1\u4eba\u5458\u53ea\u9700\u6839\u636e\u547d\u4ee4\u751f\u6210\u793a\u4f8b\u6a21\u677f\uff0c\u518d\u914d\u7f6e\u76f8\u5173\u8bbe\u7f6e\u5373\u53ef\u3002\n\n\u4f7f\u7528\u65b9\u6cd5\u793a\u4f8b `GIF` \u5982\u4e0b\uff1a\n\n\n\n\u5bf9\u4ee5\u4e0a `GIF` \u4e2d\u7684\u6b65\u9aa4\u8fdb\u884c\u89e3\u91ca\uff1a\n\n```shell\n# \u67e5\u770b\u5e93\u7248\u672c\nayuge version\n\n# \u521b\u5efa\u9879\u76ee\nayuge startproject <project_name>\n\n# \u8fdb\u5165\u9879\u76ee\u6839\u76ee\u5f55\ncd <project_name>\n\n# \u66ff\u6362(\u8986\u76d6)\u4e3a\u771f\u5b9e\u7684\u914d\u7f6e .conf \u6587\u4ef6\uff1a\n# \u8fd9\u91cc\u662f\u4e3a\u4e86\u6f14\u793a\u65b9\u4fbf\uff0c\u6b63\u5e38\u60c5\u51b5\u662f\u76f4\u63a5\u5728 VIT \u4e2d\u7684 .conf \u6587\u4ef6\u586b\u4e0a\u4f60\u9700\u8981\u7684\u914d\u7f6e\u5373\u53ef\ncp /root/mytemp/.conf DemoSpider/VIT/.conf\n\n# \u751f\u6210\u722c\u866b\u811a\u672c\nayuge genspider <spider_name> <example.com>\n\n# \u8fd0\u884c\u811a\u672c\nscrapy crawl <spider_name>\n# \u6ce8\uff1a\u4e5f\u53ef\u4ee5\u4f7f\u7528 ayuge crawl <spider_name>\n```\n\n\u5177\u4f53\u7684\u573a\u666f\u6848\u4f8b\u8bf7\u5728 [DemoSpider](https://github.com/shengchenyang/DemoSpider)\n\u9879\u76ee\u4e2d\u67e5\u770b\uff0c\u4e5f\u53ef\u4ee5\u5728 [readthedocs](https://ayugespidertools.readthedocs.io/en/latest/) \u6587\u6863\u4e2d\u67e5\u770b\u6559\u7a0b\u3002\u76ee\u524d\u5df2\u9002\u914d\u4ee5\u4e0b\u573a\u666f\uff1a\n\n```diff\n+ 0).\u4ee5\u4e0b\u573a\u666f\u5168\u652f\u6301\u4ece nacos \u6216 consul \u4e2d\u83b7\u53d6\u914d\u7f6e\uff0c\u4e0d\u4e00\u4e00\u4e3e\u4f8b\u3002\n\n# \u6570\u636e\u5b58\u5165 Mysql \u7684\u573a\u666f\uff1a\n+ 1).demo_one: \u4ece .conf \u4e2d\u83b7\u53d6 mysql \u914d\u7f6e\n+ 3).demo_three: \u4ece consul \u4e2d\u83b7\u53d6 mysql \u914d\u7f6e\n+ 21).demo_mysql_nacos: \u4ece nacos \u4e2d\u83b7\u53d6 mysql \u914d\u7f6e\n+ 5).demo_five: Twisted \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 24).demo_aiomysql: \u7ed3\u5408 aiomysql \u5b9e\u73b0\u7684 asyncio \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 13).demo_AyuTurboMysqlPipeline: mysql \u540c\u6b65\u8fde\u63a5\u6c60\u7684\u793a\u4f8b\n\n# \u6570\u636e\u5b58\u5165 MongoDB \u7684\u573a\u666f\uff1a\n+ 2).demo_two: \u4ece .conf \u4e2d\u83b7\u53d6 mongodb \u914d\u7f6e\n+ 4).demo_four: \u4ece consul \u4e2d\u83b7\u53d6 mongodb \u914d\u7f6e\n+ 6).demo_six: Twisted \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 17).demo_mongo_async: \u7ed3\u5408 motor \u5b9e\u73b0\u7684 asyncio \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n\n# \u6570\u636e\u5b58\u5165 PostgreSQL \u7684\u573a\u666f(\u9700\u8981\u5b89\u88c5 ayugespidertools[database])\n+ 22).demo_nine: \u4ece .conf \u4e2d\u83b7\u53d6 postgresql \u914d\u7f6e\n+ 23).demo_ten: Twisted \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 27).demo_eleven: asyncio \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n\n# \u6570\u636e\u5b58\u5165 ElasticSearch \u7684\u573a\u666f(\u9700\u8981\u5b89\u88c5 ayugespidertools[database])\n+ 28).demo_es: \u666e\u901a\u540c\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 29).demo_es_async: asyncio \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n\n# \u6570\u636e\u5b58\u5165 Oracle \u7684\u573a\u666f(\u9700\u8981\u5b89\u88c5 ayugespidertools[database])\n+ 25). demo_oracle: \u666e\u901a\u540c\u6b65\u5b58\u50a8\u793a\u4f8b\n+ 26). demo_oracle_twisted: Twisted \u5f02\u6b65\u5b58\u50a8\u793a\u4f8b\n\n- 7).demo_seven: \u4f7f\u7528 requests \u6765\u8bf7\u6c42\u7684\u573a\u666f(\u5df2\u5220\u9664\uff0c\u66f4\u63a8\u8350 aiohttp \u65b9\u5f0f)\n+ 8).demo_eight: \u540c\u65f6\u5b58\u5165 Mysql \u548c MongoDB \u7684\u573a\u666f\n+ 9).demo_aiohttp_example: \u4f7f\u7528 aiohttp \u6765\u8bf7\u6c42\u7684\u573a\u666f\n+ 10).demo_aiohttp_test: scrapy aiohttp \u5728\u5177\u4f53\u9879\u76ee\u4e2d\u7684\u4f7f\u7528\u65b9\u6cd5\u793a\u4f8b\n\n+ 11).demo_proxy_one: \u5feb\u4ee3\u7406\u52a8\u6001\u96a7\u9053\u4ee3\u7406\u793a\u4f8b\n+ 12).demo_proxy_two: \u6d4b\u8bd5\u5feb\u4ee3\u7406\u72ec\u4eab\u4ee3\u7406\n+ 14).demo_crawl: \u652f\u6301 scrapy CrawlSpider \u7684\u793a\u4f8b\n\n# \u672c\u5e93\u4e2d\u7ed9\u51fa\u652f\u6301 Item Loaders \u7279\u6027\u7684\u793a\u4f8b\n+ 15).demo_item_loader: \u672c\u5e93\u4e2d\u4f7f\u7528 Item Loaders \u7684\u793a\u4f8b\n- 16).demo_item_loader_two: \u5df2\u5220\u9664\uff0c\u53ef\u67e5\u770b demo_item_loader\uff0c\u53ef\u65b9\u4fbf\u7684\u4f7f\u7528 Item Loaders \u4e86\n\n+ 18).demo_mq: \u6570\u636e\u5b58\u5165 rabbitmq \u7684\u6a21\u677f\u793a\u4f8b\n+ 19).demo_kafka: \u6570\u636e\u5b58\u5165 kafka \u7684\u6a21\u677f\u793a\u4f8b\n+ 20).demo_file: \u4f7f\u7528\u672c\u5e93 pipeline \u4e0b\u8f7d\u56fe\u7247\u7b49\u6587\u4ef6\u5230\u672c\u5730\u7684\u793a\u4f8b\n+ 30).demo_file_sec: \u81ea\u884c\u5b9e\u73b0\u7684\u56fe\u7247\u4e0b\u8f7d\u793a\u4f8b\n+ 31).demo_oss: \u4f7f\u7528\u672c\u5e93 pipeline \u4e0a\u4f20\u5230 oss \u7684\u793a\u4f8b\n+ 32).demo_oss_sec: \u81ea\u884c\u5b9e\u73b0\u7684 oss \u4e0a\u4f20\u793a\u4f8b\n+ 33).demo_oss_super: MongoDB \u5b58\u50a8\u573a\u666f oss \u4e0a\u4f20\u5b57\u6bb5\u652f\u6301\u5217\u8868\u7c7b\u578b\n+ 34).demo_conf: \u652f\u6301\u4ece .conf \u4e2d\u83b7\u53d6\u81ea\u5b9a\u4e49\u914d\u7f6e\n```\n\n## \u8d85\u7ea7\u68d2\u7684\u793a\u4f8b\n\u7b80\u5355\u3001\u5feb\u901f\u3001\u4f18\u96c5\u5730\u5b9e\u73b0\u5206\u5e03\u5f0f\u5f00\u53d1\uff0c\u90e8\u7f72\u53ca\u8fd0\u884c\u7684\u793a\u4f8b\uff1a`demo_s`\uff0c\u5177\u4f53\u4ecb\u7ecd\u8bf7\u5728 `DemoSpider` \u9879\u76ee\u4e2d\u67e5\u770b\uff0c\u8fd0\u884c\u793a\u4f8b\u56fe\u4e3a\uff1a\n\n\n\n## \u8dd1\u901a\u6d4b\u8bd5\n\n\u524d\u63d0\uff1a\u9700\u8981\u5728 `tests` \u7684 `VIT` \u76ee\u5f55\u4e0b\u521b\u5efa `.conf` \u6587\u4ef6\uff0c\u5df2\u7ed9\u51fa\u793a\u4f8b\u6587\u4ef6\uff0c\u8bf7\u586b\u5199\u6d4b\u8bd5\u6240\u9700\u5185\u5bb9\uff0c\u7136\u540e\uff1a\n\n- \u53ef\u4ee5\u76f4\u63a5\u4f7f\u7528 `tox` \u6765\u8fd0\u884c\u6d4b\u8bd5\u3002\n- \u672c\u5e93\u4ee5 [poetry](https://python-poetry.org/docs/) \u5f00\u53d1\uff0c\u90a3\u4e48\u76f4\u63a5\u65b0\u73af\u5883\u4e0b\u8fd0\u884c `poetry install`\n \u540e\uff0c\u624b\u52a8\u8fd0\u884c\u76ee\u6807\u6d4b\u8bd5\u6216 `pytest` \u547d\u4ee4\u6765\u6d4b\u8bd5\u7b49\u7686\u53ef\u3002\n- \u4e5f\u53ef\u4ee5\u4f7f\u7528 `make` \u5de5\u5177\uff0c`make start` \u7136\u540e `make test` \u5373\u53ef\u3002\n\n## \u4f60\u53ef\u80fd\u5728\u610f\u7684\u4e8b\n\n1. \u82e5\u4f60\u89c9\u5f97\u67d0\u4e9b\u573a\u666f\u4e0b\u7684\u529f\u80fd\u5b9e\u73b0\u4e0d\u592a\u7b26\u5408\u4f60\u7684\u9884\u671f\uff0c\u60f3\u8981\u4fee\u6539\u6216\u6dfb\u52a0\u81ea\u5b9a\u4e49\u529f\u80fd\uff0c\u6bd4\u5982\u79fb\u9664\u5bf9\u4f60\u65e0\u7528\u6a21\u5757\u3001\u4fee\u6539\u5e93\u540d\u7b49\uff0c\u4f60\u53ef\u4ee5\u81ea\u884c\u4fee\u6539\u540e `build`\u3002\n\n2. \u672c\u5e93\u4e3b\u63a8 `scrapy` \u6269\u5c55\u529f\u80fd\uff0c\u5728\u4f7f\u7528\u672c\u5e93\u65f6\uff0c\u4e0d\u4f1a\u5f71\u54cd\u4f60 `scrapy` \u9879\u76ee\u53ca\u5176\u5b83\u7ec4\u4ef6\u3002\n\n \u4e5f\u5c31\u662f\u8bf4\uff0c\u53ef\u4f7f\u7528\u672c\u5e93\u5f00\u53d1\u539f\u751f\u7684 `scrapy`\uff0c\u4e5f\u53ef\u7528 `scrapy` \u7684\u98ce\u683c\u6765\u5f00\u53d1\uff0c\u4f46\u8fd8\u662f\u63a8\u8350\u4f7f\u7528 `DemoSpider` \u793a\u4f8b\u4e2d\u7684\u98ce\u683c\u5f00\u53d1\u3002\u4e0d\u4f1a\u5bf9\u5f00\u53d1\u8005\u9020\u6210\u8fc7\u591a\u7684\u8fc1\u79fb\u6210\u672c\u3002\n\n3. \u4ee3\u7801\u6d4b\u8bd5\u8986\u76d6\u7387\u6709\u70b9\u4f4e\uff0c\u8003\u8651\u589e\u52a0\u5417\uff1f\n\n \u4e0d\u8003\u8651\uff0c\u573a\u666f\u6240\u4f9d\u8d56\u670d\u52a1\u592a\u591a\uff0c\u4e14\u4e91\u670d\u52a1\u7b49\u5176\u5b83\u56e0\u7d20\u5bfc\u81f4\u4e2a\u4eba\u7ef4\u62a4\u6210\u672c\u8fc7\u9ad8\uff0c\u4f46\u4e0d\u5fc5\u62c5\u5fc3\uff0c\u6211\u4f1a\u548c\u672c\u5730\u670d\u52a1\u7684\u81ea\u52a8\u5316\u6d4b\u8bd5\u7ed3\u5408\u4f7f\u7528\u3002\n\n## \u6784\u5efa\u4f60\u7684\u4e13\u5c5e\u5e93\n\n> \u5177\u4f53\u5185\u5bb9\u8bf7\u4ee5 [poetry \u5b98\u65b9\u6587\u6863](https://python-poetry.org/docs/) \u4e3a\u51c6\u3002\n\n\u636e[\u4f60\u53ef\u80fd\u5728\u610f\u7684\u4e8b](#\u4f60\u53ef\u80fd\u5728\u610f\u7684\u4e8b)\u53ef\u77e5\uff0c\u4f60\u53ef\u4ee5 `clone`\n\u6e90\u7801\u540e\uff0c\u4fee\u6539\u4efb\u610f\u65b9\u6cd5\uff08\u6bd4\u5982\u4f60\u7684\u9879\u76ee\u573a\u666f\u4e0b\u53ef\u80fd\u9700\u8981\u5176\u5b83\u7684\u65e5\u5fd7\u914d\u7f6e\u9ed8\u8ba4\u503c\uff0c\u6216\u6dfb\u52a0\u5176\u5b83\u7684\u9879\u76ee\u7ed3\u6784\u6a21\u677f\u7b49\uff09\uff0c\u4fee\u6539\u5b8c\u6210\u540e `poetry build`\n\u6216 `make build` \u5373\u53ef\u6253\u5305\u4f7f\u7528\u3002\n\n\u6bd4\u5982\u4f60\u53ef\u80fd\u9700\u8981\u66f4\u65b0\u4f9d\u8d56\u5e93\u4e2d `kafka-python` \u4e3a\u65b0\u7248\u672c `x.x.x`\uff0c\u90a3\u53ea\u9700 `poetry install`\n\u5b89\u88c5\u73b0\u6709\u4f9d\u8d56\u540e\uff0c\u518d `poetry add kafka-python==x.x.x` \u5b89\u88c5\u76ee\u6807\u7248\u672c\uff08\u5c3d\u91cf\u4e0d\u8981\u4f7f\u7528 `poetry update kafka-python`\n\uff09\uff0c\u786e\u5b9a\u6d4b\u8bd5\u6b63\u5e38\u4e86\u5373\u53ef `poetry build` \u6253\u5305\u4f7f\u7528\u3002\n\n> \u5176\u5b83\u81ea\u5b9a\u4e49 scrapy \u9879\u76ee\u7684\u65b9\u5f0f\n\n\u4e5f\u53ef\u4ee5\u901a\u8fc7 `cookiecutter` \u5bf9\u9879\u76ee\u4e2a\u6027\u5316\u5b9a\u5236\uff0c\u53ef\u53c2\u8003 [LazyScraper](https://github.com/shengchenyang/LazyScraper) \u9879\u76ee\u3002\n\n**\u5e0c\u671b\u6b64\u9879\u76ee\u80fd\u5728\u4f60\u9047\u5230\u6269\u5c55 scrapy \u529f\u80fd\u7684\u573a\u666f\u65f6\u5bf9\u4f60\u6709\u6240\u6307\u5f15\u3002**\n\n## \u529f\u80fd\n\n- [x] `scrapy` \u7684\u6269\u5c55\u529f\u80fd\u573a\u666f\n - [x] `scrapy` \u811a\u672c\u8fd0\u884c\u4fe1\u606f\u7edf\u8ba1\u548c\u9879\u76ee\u4f9d\u8d56\u8868\u91c7\u96c6\u91cf\u7edf\u8ba1\uff0c\u53ef\u7528\u4e8e\u65e5\u5fd7\u8bb0\u5f55\u548c\u9884\u8b66\n - [x] \u81ea\u5b9a\u4e49\u6a21\u677f\uff0c\u5728 `ayuge startproject <projname>` \u548c `ayuge genspider <spidername>` \u65f6\u751f\u6210\u9002\u5408\u672c\u5e93\u7684\u6a21\u677f\u6587\u4ef6\n - [x] \u4ece\u8fdc\u7a0b\u5e94\u7528\u7ba1\u7406\u670d\u52a1\u4e2d\u83b7\u53d6\u9879\u76ee\u914d\u7f6e\n - [x] \u4ece `consul` \u83b7\u53d6\u9879\u76ee\u914d\u7f6e\n - [x] \u4ece `nacos` \u83b7\u53d6\u9879\u76ee\u914d\u7f6e\uff08\u6ce8\u610f\uff1a\u4f18\u5148\u7ea7\u5c0f\u4e8e `consul`\uff09\n - [x] \u4ee3\u7406\u4e2d\u95f4\u4ef6\uff08\u72ec\u4eab\u4ee3\u7406\u3001\u52a8\u6001\u96a7\u9053\u4ee3\u7406\uff09\n - [x] \u968f\u673a\u8bf7\u6c42\u5934 `UA` \u4e2d\u95f4\u4ef6\uff0c\u6839\u636e `fake_useragent` \u4e2d\u7684\u6743\u91cd\u6765\u968f\u673a\n - [x] \u4f7f\u7528\u4ee5\u4e0b\u5de5\u5177\u6765\u66ff\u6362 `scrapy` \u7684 `Request` \u6765\u53d1\u9001\u8bf7\u6c42\n - [x] ~~`requests`: \u8fd9\u4e2a\u4e0d\u63a8\u8350\u4f7f\u7528\uff0c`requests` \u540c\u6b65\u5e93\u4f1a\u964d\u4f4e `scrapy` \u8fd0\u884c\u6548\u7387~~\uff08\u5df2\u79fb\u9664\u6b64\u529f\u80fd\uff0c\u66f4\u63a8\u8350 `aiohttp`\n \u7684\u65b9\u5f0f\uff09\n - [x] `aiohttp`: \u96c6\u6210\u5c06 `scrapy Request` \u66ff\u6362\u4e3a `aiohttp` \u7684\u534f\u7a0b\u65b9\u5f0f\n - [x] `Mysql` \u5b58\u50a8\u7684\u573a\u666f\u4e0b\u9002\u914d\n - [x] \u81ea\u52a8\u521b\u5efa `Mysql` \u7528\u6237\u573a\u666f\u4e0b\u9700\u8981\u7684\u6570\u636e\u5e93\u548c\u6570\u636e\u8868\u53ca\u5b57\u6bb5\u683c\u5f0f\uff0c\u8fd8\u6709\u5b57\u6bb5\u6ce8\u91ca\n - [x] `MongoDB` \u5b58\u50a8\u573a\u666f\u9002\u914d\n - [x] `PostgreSQL` \u5b58\u50a8\u573a\u666f\u9002\u914d\n - [x] `ElasticSearch` \u5b58\u50a8\u573a\u666f\u9002\u914d\n - [x] `Oracle` \u5b58\u50a8\u573a\u666f\u9002\u914d\n - [x] `oss` \u4e0a\u4f20\u573a\u666f\u9002\u914d\n - [x] `asyncio` \u8bed\u6cd5\u652f\u6301\u4e0e `async` \u7b2c\u4e09\u65b9\u5e93\u652f\u6301\u793a\u4f8b\n - [x] `spider` \u4e2d\u4f7f\u7528 `asyncio` \u7684 `aiohttp` \u793a\u4f8b\n - [x] `pipeline` \u4e2d\u4f7f\u7528 `asyncio` \u7684 `aioMysql` \u793a\u4f8b\n - [x] \u96c6\u6210 `Kafka`\uff0c`RabbitMQ` \u7b49\u6570\u636e\u63a8\u9001\u529f\u80fd\n- [x] \u5e38\u7528\u5f00\u53d1\u573a\u666f\n - [x] `sql` \u8bed\u53e5\u62fc\u63a5\uff0c\u53ea\u7528\u4e8e\u7b80\u5355\u573a\u666f\u3002\n - [x] \u6570\u636e\u683c\u5f0f\u5316\u5904\u7406\uff0c\u6bd4\u5982\uff1a\u53bb\u9664\u7f51\u9875\u6807\u7b7e\uff0c\u53bb\u9664\u65e0\u6548\u7a7a\u683c\u7b49\n - [x] \u5b57\u4f53\u53cd\u722c\u8fd8\u539f\u65b9\u6cd5\n - [x] \u57fa\u4e8e `ttf`\uff0c`woff` \u4e4b\u7c7b\u7684\u5b57\u4f53\u6587\u4ef6\u6620\u5c04\uff0c\u6216\u7ed3\u5408 `css` \u7b49\u5b9e\u73b0\n - [x] \u53ef\u4ee5\u76f4\u63a5\u5728\u5b57\u4f53\u6587\u4ef6 `xml`\n \u4e2d\u627e\u5230\u6620\u5c04\u5173\u7cfb\u7684\uff1a\u4f7f\u7528 [fontforge](https://github.com/fontforge/fontforge/releases) \u5de5\u5177\u5bfc\u51fa\u6620\u5c04\u5373\u53ef\u3002\n - [x] \u65e0\u6cd5\u627e\u5230\u6620\u5c04\u5173\u7cfb\u7684\uff0c\u5219\u4e00\u822c\u4f7f\u7528 `ocr` \u8bc6\u522b\uff08\u51c6\u786e\u7387\u975e\u767e\u5206\u767e\uff09\uff0c\u901a\u8fc7 `fontforge` \u5bfc\u51fa\u6bcf\u4e2a\u6620\u5c04\u7684 `png`\n \uff0c\u540e\u518d\u901a\u8fc7\u5404\u79cd\u65b9\u5f0f\u8bc6\u522b\u3002\n - [x] \u5b57\u4f53\u53cd\u722c\u90e8\u5206\u529f\u80fd\u8fc1\u79fb\u5230 `FontMapster` \u9879\u76ee\u4e2d\u3002\n - [x] `html` \u6570\u636e\u5904\u7406\uff0c\u53bb\u9664\u6807\u7b7e\uff0c\u4e0d\u53ef\u89c1\u5b57\u7b26\uff0c\u7279\u6b8a\u5b57\u7b26\u6539\u6210\u6b63\u5e38\u663e\u793a\u7b49\n - [x] \u6dfb\u52a0\u5e38\u7528\u7684\u56fe\u7247\u9a8c\u8bc1\u7801\u4e2d\u7684\u5904\u7406\u65b9\u6cd5\n - [x] \u6ed1\u5757\u7f3a\u53e3\u8ddd\u79bb\u7684\u8bc6\u522b\u65b9\u6cd5\uff08\u591a\u79cd\u5b9e\u73b0\u65b9\u5f0f\uff09\n - [x] \u6839\u636e\u6ed1\u5757\u8ddd\u79bb\u751f\u6210\u8f68\u8ff9\u6570\u7ec4\u7684\u65b9\u6cd5\n - [x] \u8bc6\u522b\u70b9\u9009\u9a8c\u8bc1\u7801\u4f4d\u7f6e\u53ca\u70b9\u51fb\u987a\u5e8f\n - [x] \u56fe\u7247\u4e71\u5e8f\u6df7\u6dc6\u7684\u8fd8\u539f\u65b9\u6cd5\u793a\u4f8b\n\n\u6ce8\u610f\uff1a\u529f\u80fd\u6f14\u793a\u6211\u5c06\u653e\u5165 [readthedocs](https://ayugespidertools.readthedocs.io/en/latest/) \u6587\u6863\u4e2d\uff0c\u4ee5\u9632\u6b64\u90e8\u5206\u5185\u5bb9\u8fc7\u591a\u3002\n\n## \u8d5e\u52a9\n\n\u5982\u679c\u6b64\u9879\u76ee\u5bf9\u4f60\u6709\u6240\u5e2e\u52a9\uff0c\u53ef\u4ee5\u9009\u62e9\u6253\u8d4f\u4f5c\u8005\u3002\n\n<img src=\"https://github.com/shengchenyang/AyugeSpiderTools/raw/master/artwork/ayugespidertools-donating.jpg\" alt=\"\u5fae\u4fe1\u8d5e\u8d4f\u7801\" width=\"280\"/>\n",
"bugtrack_url": null,
"license": null,
"summary": "scrapy \u6269\u5c55\u5e93\uff1a\u7528\u4e8e\u6269\u5c55 Scrapy \u529f\u80fd\u6765\u89e3\u653e\u53cc\u624b\u3002",
"version": "3.11.0",
"project_urls": {
"Documentation": "https://ayugespidertools.readthedocs.io/en/latest/",
"Homepage": "https://www.ayuge.top/mkdocs-material/",
"Repository": "https://github.com/shengchenyang/AyugeSpiderTools"
},
"split_keywords": [
"crawler",
" scraping",
" scrapy-extension"
],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "c283cae89a48f30a44deeb302cdb63b00de8d7a615cdcae63a117ec3e2ec0b9d",
"md5": "f70e55b2ae3836fe20b769f01db698b2",
"sha256": "d51d82942cf9d1a54b5373ba77c4408234c31d06402dd9a20ab044fdfab1863f"
},
"downloads": -1,
"filename": "ayugespidertools-3.11.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "f70e55b2ae3836fe20b769f01db698b2",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": "<4.0,>=3.9",
"size": 111381,
"upload_time": "2024-11-29T14:11:07",
"upload_time_iso_8601": "2024-11-29T14:11:07.295770Z",
"url": "https://files.pythonhosted.org/packages/c2/83/cae89a48f30a44deeb302cdb63b00de8d7a615cdcae63a117ec3e2ec0b9d/ayugespidertools-3.11.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "76461f64ca1202b3aa5adf3ae6612612459fca78f34469023ff580a9642d68d5",
"md5": "2b8c412806820a6ecf00a01b484ab2d1",
"sha256": "bdf943cc881eabe55d830b9cb5fad7f4f476d6972444f4ecbae0f09749d383a5"
},
"downloads": -1,
"filename": "ayugespidertools-3.11.0.tar.gz",
"has_sig": false,
"md5_digest": "2b8c412806820a6ecf00a01b484ab2d1",
"packagetype": "sdist",
"python_version": "source",
"requires_python": "<4.0,>=3.9",
"size": 81694,
"upload_time": "2024-11-29T14:11:08",
"upload_time_iso_8601": "2024-11-29T14:11:08.741537Z",
"url": "https://files.pythonhosted.org/packages/76/46/1f64ca1202b3aa5adf3ae6612612459fca78f34469023ff580a9642d68d5/ayugespidertools-3.11.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-11-29 14:11:08",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "shengchenyang",
"github_project": "AyugeSpiderTools",
"travis_ci": false,
"coveralls": false,
"github_actions": true,
"tox": true,
"lcname": "ayugespidertools"
}
JSON
