pyspider + RabbitMQ 使用记 - 下
首先我们需要安装 RabbitMQ，然后通过服务启动它，默认为注册到本机的5672端口。我们的爬虫和数据库写入脚本都需要连接到 RabbitMQ，一边往队列中写入数据，另一边从队列中取出数据，然后插入到数据。Python 中使用 RabbitMQ 可以通过调用 pika 这个库，安装过程见官方文档，对于 RabbitMQ 本身也有中文教程。本项目用到的模型是一对一的，用 pika 写很容易，代码如下：import pika# 导入库
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
# 设置一个新连接，连接到本地的 RabbitMQ 服务端。
channel = connection.channel()
# 注册到 books 队列
channel.queue_declare(queue='books')
channel.basic_publish(exchange='', routing_key='books', body='Whats up')
# 发送消息 body
connection.close()
# 在 basic_publish 这个函数中，我们设置 exchange 为空，而 routing-key 为 books，此时 basic_publish 会默认把我们的 body 信息根据 routing-key 的内容发送到 books 的队列中。这里 exchange 其实是一个信息中转站，如下图，P 为我们要发送的信息，X 就是信息中转站，我们通过 exchange 字段来设置我们的目标中转站，然后由 exchange 来决定我们的信息要往哪里走。
而 routing-key 的设置也很有讲究，可以参考教程中 Routing 一节。到此，我们已经写好生产者了，接下来我们看消费者。import pika
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='books')
def callback(ch, method, properties, body):
print body
channel.basic_consume(callback, queue='books', no_ack=True)
# 注册回调函数，当有消息取出时，程序调用 callback 函数，其中 body 就是取出的消息。
channel.start_consuming()
这里我们在回调函数中可以直接打印 body 到控制台。最后贴一下代码，爬虫端：#!/usr/bin/env python
# -*- encoding: utf-8 -*-
from pyspider.libs.base_handler import *
import pika
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='books')
class Handler(BaseHandler):
crawl_config = {}
def on_start(self):
self.crawl('http://scrapy.org/', callback=self.index_page)
def on_result(self, result):
# 重写 on_result 函数
if not result:
return
assert self.task, "on_result can't outside a callback."
result['callback'] = self.task['process']['callback']
if self.is_debugger():
pprint(result)
channel.basic_publish(exchange='', routing_key='books', body=result)
if self.__env__.get('result_queue'):
channel.basic_publish(exchange='', routing_key='books', body=result)
self.__env__['result_queue'].put((self.task, result))
@config(priority=5)
def index_page(self, response):
url_list = []
for each in response.doc('a').items():
url_list.append(each.attr.href)
return url_list消费者端：import os
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'spider.settings')
import django
django.setup()
from django.core.exceptions import ObjectDoesNotExist
from importer.models import Books
import pika
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='books')
def callback(ch, method, properties, body):
new_book = Books()
new_book.url = body
new_book.save()
print body + ' saved!'
channel.basic_consume(callback, queue='books', no_ack=True)
channel.start_consuming()本例中调用了 django 的 BOOKS 的数据库模型，在队列中取出消息后，存入 BOOKS 表中，字段为url。
支持分享
页:
[1]
