[关闭]
@bergus 2015-10-23T10:21:48.000000Z 字数 2450 阅读 2424

python Cmd实例之网络爬虫应用

python Cmd 爬虫


废话少说,直接上代码

  1. # encoding=utf-8
  2. import os
  3. import multiprocessing
  4. from cmd import Cmd
  5. import commands
  6. from mycrawler.dbUtil import DbUtil
  7. import signal
  8. # 下载监控
  9. def run_download_watch():
  10. os.system("gnome-terminal -x bash -c 'python ./download_process.py' ")
  11. # 下载文件
  12. def run_download():
  13. os.system("gnome-terminal -x bash -c 'python ./download.py' ")
  14. # 爬虫
  15. def run_spider(arg):
  16. for i in range(len(arg)):
  17. os.system("gnome-terminal -x bash -c 'scrapy crawl %s'" % arg[i])
  18. class CLI(Cmd):
  19. def __init__(self):
  20. Cmd.__init__(self)
  21. # 设置命令提示符
  22. self.prompt = ">>> "
  23. self.intro = '''
  24. 欢迎进入爬虫控制台
  25. 输入0:查看帮助'''
  26. self.doc_header = ''
  27. self.undoc_header = ''
  28. self.nohelp = "*** 命令%s没有帮助文档"
  29. def do_download(self, arg):
  30. ''' 下载文件'''
  31. p2 = multiprocessing.Process(target=run_download)
  32. p2.start()
  33. def do_0(self, arg):
  34. self.do_help(1)
  35. def do_help(self, arg):
  36. def ddoc(ss, arg):
  37. try:
  38. doc = getattr(ss, 'do_' + arg).__doc__
  39. if doc:
  40. print arg + ":"
  41. print doc
  42. return
  43. except AttributeError:
  44. ss.stdout.write("%s\n" % str(ss.nohelp % (arg,)))
  45. cmds_doc = []
  46. for name in self.get_names():
  47. if name[:3] == 'do_':
  48. cmds_doc.append(name[3:])
  49. print self.doc_header
  50. for c in cmds_doc:
  51. ddoc(self, c)
  52. # 添加新的爬虫连接
  53. def do_add(self, args):
  54. """ 新增链接(厂商网址)到数据库中
  55. 输入格式为:add name abb;start_urls www.baidu.com www.baidu.com www.baidu.com
  56. add是添加命令,后面的是参数。start_urls后面可以跟随多条数据,空格分开"""
  57. if not args:
  58. print "输入内容为空,请查看帮助:help add"
  59. return
  60. print args
  61. data = dict([(bb.split(' ')[0], len(bb.split(' ')[1:]) == 1 and bb.split(
  62. ' ')[1] or bb.split(' ')[1:]) for bb in args.split(';')])
  63. print data
  64. DbUtil().conn().collection('url_items').insert(data)
  65. # 列出所有的爬虫
  66. def do_list_spider(self, args):
  67. ''' 列出所有的爬虫'''
  68. print commands.getoutput("scrapy list")
  69. # 运行一个爬虫
  70. def do_run_spider(self, arg):
  71. ''' 运行一个爬虫,例如run_spider abb'''
  72. p3 = multiprocessing.Process(
  73. target=run_spider, args=(arg,))
  74. p3.start()
  75. # os.system('scrapy crawl ' + arg)
  76. def do_run(self, args):
  77. ''' 运行所有的程序'''
  78. # 运行爬虫
  79. self.do_run_all_spiders(1)
  80. # 运行下载
  81. p2 = multiprocessing.Process(target=run_download)
  82. p2.start()
  83. # 运行下载监控
  84. p3 = multiprocessing.Process(target=run_download_watch)
  85. p3.start()
  86. # 运行所有的爬虫
  87. def do_run_all_spiders(self, arg):
  88. ''' 运行所有的爬虫'''
  89. s = cmd('scrapy list').value().split('\n')
  90. if not s:
  91. print "没有爬虫,请检验代码是否正确"
  92. return
  93. p = multiprocessing.Process(
  94. target=run_spider, args=(s,))
  95. p.start()
  96. # os.system('./run_spider.sh ' + spider)
  97. def do_q(self, arg):
  98. ''' 退出系统'''
  99. return True
  100. # emptyline
  101. def emptyline(self):
  102. os.system('clear')
  103. print '回车清屏,help帮助,tab补全'
  104. # 当无法识别输入的command时调用该方法
  105. def default(self, line):
  106. print '输入的命令' + repr(line) + '错误,请输入help查看命令帮助'
  107. # 退出之后调用该方法
  108. def postloop(self):
  109. print '谢谢使用'
  110. def completedefault(self, *ignored):
  111. return ['add', 'run_spider', 'run_all_spiders', 'list_spider']
  112. if __name__ == "__main__":
  113. cli = CLI()
  114. cli.cmdloop()
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注