CrawlerHot

CrawlerHot copied to clipboard

说明

• 我的博客热点展示：https://www.panglb.top/hot/
• 前后端分离，后端使用轻量级框架web.py， 前端使用了layui，数据保存为本地json文件。

├── crawler.py  # 主要爬虫代码
├── helper.py  # 帮助函数
├── html    # 前端页面展示
│   ├── hot.html
│   └── layui  # 前端依赖
├── image
│   └── hot.png
├── LICENSE
├── README.md
├── requments.txt  # 环境依赖
├── result  # 爬虫数据保存
│   └── result.json
├── run.py  # 定时爬虫入口
├── server.py  # 后端服务
├── settings.py
└── uwsgi.ini  # uwsgi服务器配置

• 目前只写了以下热点信息的爬取

  • 知乎热榜
  • V2EX
  • GitHub
  • 新浪微博
  • 天涯
  • 贴吧
  • 豆瓣
  • 云音乐

• 环境

  • python3.6

运行

• 下载

   git clone https://github.com/pangxiaobin/CrawlerHot.git
   cd CrawlerHot
  

• 安装依赖

  # 创建虚拟环境  需要安装virtualenv 和virtualenvwrapper
  mkvirtualenv hot
  pip install -r requments.txt
  # 注释 windows pip install uwsgi 会报错 windows下演示可先在requments.txt 注释掉uwsgi
  

• 本地运行效果展示

  • 数据爬取

  python run.py
  # 单独看爬虫效果 可以吧run() 注释
  # __name__ == '__main__':
  #    run_crawler()  # 单次爬虫运行
  #    run()  # 定时爬虫运行
  

  • 启动本地服务

  python server.py
  

  • 查看前端页面展示

  把html/hot.html 在浏览器中打开就能看到效果了
  

• 服务器部署uwsgi+nginx

  • 项目是前后端分离的，后端可以单独就uwsgi起服务，前端用nginx。
  • uwsgi起http服务

  修改uwsgi.ini中的chdir
  # 这里指定你服务器端开放的端口
  http=0.0.0.0:8080
  # 配置工程目录 项目所在的绝对路径
  chdir=yourpath/CrawlerHot
  

  • 起动uwsgi

  uwsgi --ini uwsgi.ini
  

  • 修改前端请求的接口

      #/html/hot.html
      # 这里的127.0.0.1 要修改为你服务器的ip
      http://127.0.0.1:8080/hot =》http://server_ip:8080/hot
  

• 配置nginx部署前端

  # /etc/nginx/conf.d/default.conf 添加location 配置
  server {
      listen       80;
      # 这里更改为你服务器的ip
      server_name  your_server_ip;
  
      location /hot {
          # 绝对路径
         alias /youtpath/CrawlerHot/html;
         index hot.html;
      }
  }
  

  • 运行定时爬虫脚本

  nohup python -u run.py &  
  

  • 效果展示