jinzaizhichi / feapder

feapder是一款支持分布式、批次采集、任务防丢、报警丰富的python爬虫框架

FEAPDER

简介

feapder 是一款上手简单，功能强大的Python爬虫框架，使用方式类似scrapy，方便由scrapy框架切换过来，框架内置3种爬虫：

• AirSpider爬虫比较轻量，学习成本低。面对一些数据量较少，无需断点续爬，无需分布式采集的需求，可采用此爬虫。

• Spider是一款基于redis的分布式爬虫，适用于海量数据采集，支持断点续爬、爬虫报警、数据自动入库等功能

• BatchSpider是一款分布式批次爬虫，对于需要周期性采集的数据，优先考虑使用本爬虫。

feapder支持断点续爬、数据防丢、监控报警、浏览器渲染下载、数据自动入库Mysql或Mongo，还可通过编写pipeline对接其他存储

读音: [ˈfiːpdə]

• 官方文档：http://feapder.com
• 国内文档：https://boris-code.gitee.io/feapder
• github：https://github.com/Boris-code/feapder
• 更新日志：https://github.com/Boris-code/feapder/releases
• 爬虫管理系统：https://boris.org.cn/feapder/#/feapder_platform/爬虫管理系统

环境要求：

• Python 3.6.0+
• Works on Linux, Windows, macOS

安装

From PyPi:

通用版

pip3 install feapder

完整版：

pip3 install feapder[all]

通用版与完整版区别：

1. 完整版支持基于内存去重

完整版可能会安装出错，若安装出错，请参考安装问题

小试一下

创建爬虫

feapder create -s first_spider

创建后的爬虫代码如下：

import feapder


class FirstSpider(feapder.AirSpider):
    def start_requests(self):
        yield feapder.Request("https://www.baidu.com")

    def parse(self, request, response):
        print(response)


if __name__ == "__main__":
    FirstSpider().start()
        

直接运行，打印如下：

Thread-2|2021-02-09 14:55:11,373|request.py|get_response|line:283|DEBUG|
                -------------- FirstSpider.parse request for ----------------
                url  = https://www.baidu.com
                method = GET
                body = {'timeout': 22, 'stream': True, 'verify': False, 'headers': {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36'}}

<Response [200]>
Thread-2|2021-02-09 14:55:11,610|parser_control.py|run|line:415|DEBUG| parser 等待任务...
FirstSpider|2021-02-09 14:55:14,620|air_spider.py|run|line:80|INFO| 无任务，爬虫结束

代码解释如下：

1. start_requests： 生产任务
2. parse： 解析数据

相关文章

使用feapder开发爬虫是一种怎样的体验

爬虫 | 如何快速的将请求头转为json格式

微信赞赏

如果您觉得这个项目帮助到了您，您可以帮作者买一杯咖啡表示鼓励 🍹

也可和作者交个朋友，解决您在使用过程中遇到的问题

学习交流

知识星球：17321694	作者微信： boris_tm	QQ群号：750614606

加好友备注：feapder