Spider Admin Pro
简介
Spider Admin Pro 是Spider Admin的升级版，一个可视化的Scrapy爬虫管理平台，依赖于Scrapyd
安装启动
本项目基于Python3.7.0 开发，所以推荐使用Python3.7.0及其以上版本
运行项目前，请先确保scrapyd服务已经启动
方式一：
$ python3 --version
Python 3.7.0
# 创建名为 venv 的虚拟环境
$ python3 -m venv venv
# 激活虚拟环境
$ source venv/bin/activate
# 安装spider-admin-pro
$ pip3 install spider-admin-pro
# 可选
$ pip3 install -U spider-admin-pro -i https://pypi.org/simple
# Linux macOS 运行启动
$ gunicorn 'spider_admin_pro.main:app'
# windows 环境使用waitress 替换 gunicorn
$ pip install waitress
$ waitress-serve --listen=127.0.0.1:8000 'spider_admin_pro.main:app'方式二：
$ git clone https://github.com/mouday/spider-admin-pro.git
$ cd spider-admin-pro
# 安装依赖（建议：最好新建一个虚拟环境）
$ pip3 install -r requirements.txt
# Linux/macOS 以开发模式运行
$ make dev
# windows 以开发模式运行
$ python3 dev.py
# 以生产模式运行
$ make pro安装 scrapy 全家桶[可选]
pip install scrapy scrapyd scrapyd-client方式三：
docker run -p 8000:8000 mouday/spider-admin-pro配置参数
- v2.0版本移除了
.env环境变量配置方式，仅支持yaml格式配置- v2.0版本移除了
PORT和HOST配置项，推荐统一采用gunicorn 管理
自定义配置
在运行目录下新建config.yml 文件，也就是执行启动命令的目录，运行时会自动读取该配置文件
例如
$ ls
config.yml
$ gunicorn 'spider_admin_pro.main:app'强烈建议：修改密码和秘钥项
eg:
# 登录账号密码
USERNAME: admin
PASSWORD: "123456"
# scrapyd地址, 结尾不要加斜杆
SCRAPYD_SERVER: "http://127.0.0.1:6800"使用扩展
收集运行日志：scrapy-util 可以帮助你收集到程序运行的统计数据
技术栈：
1、前端技术：
| 功能 | 第三方库及文档 |
|---|---|
| 基本框架 | vue2.js |
| 仪表盘图表 | echarts |
| 网络请求 | axios |
| 界面样式 | Element-UI |
2、后端技术
| 功能 | 第三方库及文档 |
|---|---|
| 接口服务 | Flask |
| 任务调度 | apscheduler |
| scrapyd接口 | scrapyd-api |
| 网络请求 | session-request |
| ORM | peewee |
| jwt | jwt |
| 系统信息 | psutil |
项目结构
【公开仓库】基于Flask的后端项目spider-admin-pro: https://github.com/mouday/spider-admin-pro
【私有仓库】基于Vue的前端项目spider-admin-pro-web: https://github.com/mouday/spider-admin-pro-web
备注：前端Vue项目，可入QQ群发送github用户名获取权限
spider-admin-pro项目主要目录结构：
.
├── run.py # 程序入口
├── api # Controller层
├── service # Sevice层
├── model # Model层
├── exceptions # 异常
├── utils # 工具类
└── web # 静态web页
经验总结
Scrapyd 不能直接暴露在外网
- 其他人通过deploy部署可以将代码部署到你的机器上，如果是root用户运行，还会在你机器上做其他的事情
- 还有运行日志中会出现配置文件中的信息，存在信息泄露的危险
TODO
1. 补全开发文档
2. 支持命令行安装可用
3. 优化代码布局，提取公共库
4. 日志自动刷新
5. scrapy项目数据收集
[ok]6. 定时任务spider列左对齐，支持本地排序
[x]7. 调度器控制移除停止开启开关，只保留暂停继续
[x]8. 添加任务，默认项目名，关闭弹框取消form校验结果
[x]9. 统计的日志量太大，增加一个一个定时清理的功能
[x]10. 定时任务备份，不小心把任务清空
[x]11. 希望能加入更好的定时方式,类似 scrapyd_web那种定时
[x]12. 简单的爬虫不用非要去打包，比如我自己上传一个py文件，可以定时任务，脚本的方式运行
[x]13. 爬虫能配置带参数运行
交流沟通
关注本项目的小伙伴越来越多，为了更好地交流沟通，可以加入群聊
- 一群: 1074075691（已满）
- 二群: 864983297
问题：邀请码 答案：SpiderAdmin
联系作者
微信扫码二维码
项目赞助
| 日期 | 姓名 | 金额 |
|---|---|---|
| 2022-04-16 | @realhellosunsun | ￥188.00 |
| 2022-08-30 | @yangxiaozhe13 | ￥88.00 |
| 2022-09-01 | @robot-2233 | ￥88.00 |
| 2023-05-09 | 埃菲尔没有塔尖 | ￥68.80 |
项目截图
安装升级
pip3 install -U spider-admin-pro -i https://pypi.org/simple
Stargazers over time
其他问题
1、windows系统 scrapyd 启动失败，可能缺少依赖pywin32
pip install pywin32
感谢@whobywind，提供的解决方案
2、网站有ip校验，刚访问几个请求就被禁止访问？
同一个ip可能有被封的风险，可以使用代理ip去请求，有免费和付费。
如果是个人使用，可以找一些免费的ip临时使用
如果是企业项目，可以使用付费代理ip
某爬虫大佬也推荐过一个不错的动态代理 云立方
找客服发送暗号：【爬虫推广】可以获取打折优惠
具体搭建方法在大佬的博客中有详尽说明：
使用 Tornado+Redis 维护 ADSL 拨号服务器代理池
如果有问题，可以加QQ群，群里的小伙伴会积极解答喔
3、为什么外网访问不到，如何修改端口号
增加--bind 参数
格式
--bind 监听地址:监听端口号例如
# 启动运行
$ gunicorn 'spider_admin_pro.main:app'
# 支持外网可访问，云服务器（阿里云或腾讯云）需要设置安全组
# 默认内网访问 --bind 127.0.0.1:8000
$ gunicorn --bind '0.0.0.0:8000' 'spider_admin_pro.main:app'更多设置，可参考gunicorn
4、提示缺少libfile
群友 @Yuan、红尘美 提供的解决方法
安装依赖
yum install libffi-devel -y更新日志
-
v2.0.3
- 修复mysql作为后端存储的文档和登录bug
-
v2.0.2
- 优化文档
- 优化日志
-
v2.0.1
- 优化前端界面在windows平台显示异常的问题
- 修复前端调度日志 列表显示异常的问题
- 优化定时任务添加，自动选中项目和爬虫
-
v2.0.0
- 升级依赖 requirements.txt， Flask 1.0.3 升级为 2.2.2
- 优化启动方式
- 优化启动配置,移除
PORT和HOST配置项 - 移除.env环境变量配置，简化配置流程
- 移除Flask配置读取，推荐使用
gunicorn启动服务
-
2021-09-03
- [bugfix]修复【任务列表】运行中项目无法取消的bug
-
2022-04-01
- [bugfix] 当修改scrapyd的端口号后，在配置文件中指定scrapyd为修改后的端口号。配置文件不生效
- 感谢：@洒脱的狂者 发现的问题及解决办法
-
2022-05-27
- [update] requirements.txt 文件中增加 flask_cors 依赖
社区其他优秀工具推荐
- https://github.com/DormyMo/SpiderKeeper
- https://github.com/my8100/scrapydweb
- https://github.com/ouqiang/gocron 使用Go语言开发的轻量级定时任务集中调度和管理系统, 用于替代Linux-crontab
Spider Admin Pro vs. Spider Admin
- 简化了一些功能；
- 优化了前端界面，基于Vue的组件化开发；
- 优化了后端接口，对后端项目进行了目录划分；
- 整体代码利于升级维护。
- 目前仅对Python3进行了支持
- 路由统一管理
- 全局异常捕获
- 接口统一返回
- 前后端分离
- 可视化参数配置