爬虫在运行时需要实时读取用户的配置参数，应该使用什么方法把用户配置发给运行中的爬虫呢？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 1985 天前的主题，其中的信息可能已经有所发展或是发生改变。

场景是这样的：一个爬虫，一个网站。用户在网站中配置爬虫的参数，爬虫实时根据配置的参数决定其运行状态。

那么，如何将用户修改更新的参数反映到爬虫呢？

当前的做法是，爬虫执行新的一轮爬取前，读取用户配置的 rest api，通过 api 传递数据，但总感觉不优雅，也不是很方便。

是否又专门针对这种场景更好的方式呢？

爬虫

参数

API

配置

10 条回复 • 2019-07-30 20:28:48 +08:00

zkqiang

2019-07-23 14:21:31 +08:00

将最新配置实时通过 MQ 发送，爬虫开个线程消费 MQ

misaka19000

2019-07-23 14:23:27 +08:00

信号

Ehco1996

2019-07-23 16:06:55 +08:00 via iPhone

从 api 拉配置不是很常规的操作么？
我觉得爬虫没必要搞得多复杂

你要觉得不好
爬虫端再开一个线程接受配置的推送？
协议用 api/rpc 之类的都行

chuanqirenwu

2019-07-23 16:44:43 +08:00

@zkqiang 看了一下，觉得消息队列比较契合。

tikazyq

2019-07-23 17:19:52 +08:00

通过数据库来做，Crawlab 就是这么做的，将环境变量存入数据库中，爬虫去数据库中拿环境变量。

http://github.com/tikazyq/crawlab

新版的 crawlab 是用 golang 写的后台，还没发布，预先打个广告。

lihongjie0209

2019-07-23 17:47:43 +08:00

你需要的是配置中心(zookeeper 之类的), 别用消息队列

chuanqirenwu

2019-07-24 09:04:53 +08:00 via Android

@lihongjie0209 太重了吧，就是想在用户更新配置后发送给后端，感觉一个轻量级的后端足以应付？

chuanqirenwu

2019-07-24 09:07:33 +08:00 via Android

@tikazyq 好东西呀！刚好研究一下怎么用。体验了一下 demo，手机端的布局似乎有点问题？响应式不是很完美。element ui 应该能比较好地支持响应式吧

lihongjie0209

2019-07-24 09:11:00 +08:00

@chuanqirenwu #7 第一次听说 zookeeper 比 mq 重

tikazyq

2019-07-30 20:28:48 +08:00

@chuanqirenwu 手机布局现在还没有优化，只能暂时用 PC 来看