小白 Python 爬虫布置 Linux

媒介

前面国庆节的时刻写过一个浅易的爬虫。

《Python 浅易爬虫实战》

还没看过的同砚能够先看一下，这只爬虫主要用来爬取各个博客平台的浏览量等数据，一直以来都是天天晚上我本身手动在当地电脑运转，中心也有过频频遗忘运转了，致使没有当天的统计数据。

固然最好的方法就是把这只爬虫布置在效劳器上，让效劳器定时去运转，如许就不须要我天天人工运转了，另有别的一件事就是之前也说了要做一个统计页面，本身挖的坑，要本身填起来。

恰好近来各个云效劳厂商都在搞双十一的运动，小编一眼看下去，都是新用户才享用优惠，还好，小编在京东云照样新用户，购置了京东云的效劳。

这个价钱实在是太！贵！了！

平常本身测试运用没必要买和我同款的机械，小编买这个是为了背面有一些其他的效劳也能够布置在上面。

闲话不多说，我们正式最先吧。

前置环境预备

新机械拿到手，除了上面装好了一个 CentOS 之外，啥都没有了，第一步固然是先把环境装起来啊。

先枚举下我们要装的软件：

• Docker
• Mysql
• Python3
• Java8
• Nginx

先装这么多吧，后续有补充的话再接着装。

Docker

起首什么是 Docker 请列位同砚本身摆渡好吧，我简朴诠释一下 Docker 是一个容器，这个容器中能够运转许多的顺序，这些顺序之间互不滋扰，假如个中谁人顺序在运用的过程当中设置不对搞不定了，只须要将对应的 container 住手掉删撤除从新启动一个即可，从这一点上来说类似于一个沙盒环境。这一点上尤其是数据库，本人具有者雄厚的在当地装置 Mysql 把 Mysql 玩脱了从新装置的履历。照样 Docker 好用。

最先装置 Docker ，起首时用本身喜好的东西衔接到长途的效劳器上（小编这里运用的是 xshell ），或许也能够本身当地装置对应的 CentOS 虚拟机（win 环境下装置 CentOS 虚拟机又能够写一篇教程了，尤其是个中的收集设置，第一次装置的同砚十有八九都卡在这里，有须要的同砚能够在民众号给我留言）。

衔接胜利后以下图：

彷佛把 ip 显露来了，emmmmmmmmmmmmm ，列位大佬，没事干别进击小编的机械，拜谢。

# step 1: 装置必要的一些体系东西
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
# Step 2: 增添软件源信息
sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
# Step 3: 更新并装置 Docker-CE
sudo yum makecache fast
sudo yum -y install docker-ce
# Step 4: 开启Docker效劳
sudo systemctl start docker

假如 Linux 是运用 root 账号登录，敕令中无需增添 sudo ，这个症结字的寄义是运用治理员权限实行敕令。

Docker 默许的镜像源在悠远的太平洋的另一端，能够设置国内的镜像加快来加块我们的拉取速率，小编这里挑选的是阿里云的镜像加快，设置体式格局以下：

# 建立文件夹
sudo mkdir -p /etc/docker
# 写入设置内容
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://12ofullf.mirror.aliyuncs.com"]
}
EOF
# 重启效劳
sudo systemctl daemon-reload
sudo systemctl restart docker

至此，Docker 装置设置就完成了，能够运用以下敕令检察 Docker 的相干信息来考证 Docker 一般装置：

docker info

页面一般打印以下：

Mysql

Mysql 能够有两种装置体式格局，一种是直接在 CentOS 上举行装置，另一种是在 Docker 中举行装置，这里小编挑选后一种，别问为啥，问就是简朴、轻易、快速。

小编这里装置的 Mysql 挑选版本为 5.7 ，装置敕令以下：

docker pull mysql:5.7

等进度条走完，好了，我们已装好了 Mysql ，是不是是很简朴。

固然，我们适才只是把 Mysql 的现象给 pull 下来了，接下来的启动才是症结。

docker run --name mysql --restart=always -p 3306:3306 -v /www/mysql/conf.d:/etc/mysql/conf.d -v /www/mysql/mysql.conf.d:/etc/mysql/mysql.conf.d -v /www/mysql/datadir:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 -e TZ=Asia/Shanghai -d mysql:5.7

这个敕令轻微有点长，不过没紧要，直接 Copy 就 Ok。

轻微诠释下个中的寄义吧：

--restart 标志会搜检容器的退出代码，并据此来决议是不是要重启容器，默许是不会重启。

--restart 的参数申明：

• always：不管容器的退出代码是什么，Docker都邑自动重启该容器。
• on-failure：只有当容器的退出代码为非0值的时刻才会自动重启。别的，该参数还接收一个可选的重启次数参数，--restart=on-fialure:5 示意当容器退出代码为非0时，Docker会尝试自动重启该容器，最多5次。

-v 容器内的 /var/lib/mysql 在宿主机上 /www/mysql/datadir 做映照

-e MYSQL_ROOT_PASSWORD 初始密码

-p 将宿主机3306的端口映照到容器3306端口

接下来我们测试下适才装置的 Mysql ，固然是运用当地的衔接东西看下是不是能一般衔接啊，这里的东西小编挑选了 Navicat 这一典范的 Mysql 衔接东西。

测试链接胜利，我们的 Mysql 装置完成。

Nginx

Nginx 是一款优异的反向代办东西，细致的信息列位同砚能够摆渡，简朴形貌下运用场景的话就是我一台效劳器上能够启动多个效劳，经由过程 Nginx 反向代办，能够映照多个域名，运用差别的域名接见差别的效劳，固然 Nginx 的功用远不止这些。

起首，翻开 Nginx 的官网（ http://nginx.org/en/download.html ），挑选一个你喜好的版本，Copy 到它的下载链接：

然后我们运用 wget 敕令来下载它。

cd /opt/
wget http://nginx.org/download/nginx-1.17.5.tar.gz

小编这里挑选的 Nginx 的版本为 1.17.5 。

守候进度条走完，这时候我们得到了一个 Nginx 的压缩包，接下来解压它。

tar -xvzf nginx-1.17.5.tar.gz

然后我们须要装置 nginx 的编译环境：

yum install -y gcc-c++ pcre pcre-devel zlib zlib-devel openssl openssl-devel

守候进度条走完。

进入我们适才解压的目次：

cd nginx-1.17.5

最先设置、编译、装置：

./configure
make && make install

一小段时候的守候。

守候实行完成后，能够看到 Nginx 已帮我们装置到 /usr/local/nginx/ 这个目次下了，接下来我们能够建立一个软衔接，让我们在任何目次都能够直接实行 nginx 的敕令：

ln -s /usr/local/nginx/sbin/nginx /usr/local/sbin/

nginx 相干敕令

# 启动
nginx
# 住手
nginx -s quit 或许 nginx -s stop
# 重启
nginx -s reload

我们启动 nginx ，翻开浏览器接见直接接见ip，如图：

Nginx 已装置完成，反向代办的设置我们背面用到了再聊，这里先酱。

Java8

统计报表效劳小编这里设想运用 Java 来写，固然 Java 顺序也能够放入 Docker 中运转，不过设置 Java 环境就是一件随手的事变，趁便做了吧：）

起首一样，先下载 JDK8 ，而且将 JDK8 放入 /opt/ 目次中。

因为小编这里当地有下好的，就不去下载了，人人能够接见 Oracle 的官网下载。

小编这里给一个下载链接：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

回到我们的 CentOS ：

cd /opt/
ll

小编这里运用的 jdk 的版本是 8u221 。

直接解压：

tar -xvzf jdk-8u221-linux-x64.tar.gz

好了，我们又装置完了，固然还须要设置下环境变量，直接编辑 /etc/profile 这个文件，在文件中到场我们的环境变量：

# 编辑
vi /etc/profile

写入环境变量以下：

# 先按 i 开启插进去形式，写入以下内容
export JAVA_HOME=/opt/jdk1.8.0_221
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

退出保留时先按 esc 键，输入 :wq ，再按回车键 enter 。

这时候须要革新下设置文件：

source /etc/profile

我们来测试适才设置的 jdk 环境变量是不是见效：

# 输入
java -version
# 输出
java version "1.8.0_221"
Java(TM) SE Runtime Environment (build 1.8.0_221-b11)
Java HotSpot(TM) 64-Bit Server VM (build 25.221-b11, mixed mode)
# 输入
javac -version
# 输出
javac 1.8.0_221

jdk 装置完成

Python3

终究到了最主要的 Python3 的装置了 。

起首一样，去 Python 的官网，找到对应版本的 Python3 的下载地点，进入 /opt/ 目次举行下载：

官网下载链接：https://www.python.org/downloads/source/

小编这里挑选的是停止现在最新宣布的 3.8.0 版本。

wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz

下载完成后直接解压：

tar -xvzf Python-3.8.0.tgz

解压后编译装置：

# 建立装置目次
mkdir /usr/local/python3
cd Python-3.8.0
# 搜检设置
./configure --prefix=/usr/local/python3
# 编译、装置
make && make install
# 建立软衔接
ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3

测试装置效果：

# 输入
python3 -V
# 输出
Python 3.8.0

至此，前置环境已搭建完成~~~

布置爬虫

我们前面写的爬虫是一个 .py ，先把这个文件上传至效劳器，目次本身喜好就好，小编平常安排在 /opt/ 目次下。

因为我们的爬虫引用了一些第三方的模块，这里须要先装置这些模块：

pip3 install lxml pymysql

装置完成后我们实行一下之前的剧本：

# 输入
python3 /opt/pythonproject/spider-demo.py
# 输出
---------CSDN 数据写入完成---------
---------掘金 数据写入完成---------
---------CNBLOG 数据写入完成---------

能够看到实行胜利，接下来，我们要为 CentOS 设置定时使命，临时先设置成天天的整点实行一次我们的 Python 爬虫，便于我们区分当前的使命是不是实行。

定时使命我们是运用 crontab 来完成的，假如当前的 CentOS 不含有 crontab ，能够先举行装置：

yum install crontabs -y

几个基本敕令相识一下：

/sbin/service crond start //启动效劳 
/sbin/service crond stop //封闭效劳 
/sbin/service crond restart //重启效劳 
/sbin/service crond reload //从新载入设置 
检察crontab效劳状况：service crond status 

我们先设置定时使命：

# 进入使命设想设置
crontab -e
# 设想内容
0 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23 * * * python3 /opt/pythonproject/spider-demo.py
# 保留退出
:wq

使命设置完成后，从新载入一下设置，或许重启一下效劳都是能够的。

接下来就是静静的守候一小时后看下数据有无一般的写入数据库。

统计报表

统计报表运用 Java 来完成，后端运用手艺为 SpringBoot + Mybatis + Thymeleaf 。前端设想手艺为 Vue + Element（饿了么前端组件库）。

详细完成就不枚举了，有兴致的同砚能够接见代码堆栈猎取。

制品大抵是酱紫滴：

Java 顺序宣布大抵引见一下吧，在效劳器上建立一个本身喜好的目次，将当地的顺序打包后拖上去，实行下面的敕令：

nohup java -jar /opt/project/tongji.jar >tongji.out 2>&1 &

就启动胜利了。固然也能够将这个顺序打成 Docker 镜像（这个后续有时机再聊吧），经由过程 Docker 来启动 Java 效劳。

你认为这就完了么？怎么可能，我们另有 Nginx 没有用呢，下面来引见怎样经由过程 Nginx 来反向代办一个域名。

起首，你要有一个域名，小编的域名是在腾讯云购置的，而且完成了备案，能够为所欲为的运用啦~~~~

起首，自定义一个域名指向我们的效劳器，大抵是如许滴：

轻微等一会，等 DNS 见效。然后我们接见域名：http://tongji.geekdigging.com/ ，这时候能够看到页面跳转至 Nginx 的首页：

接下来我们要设置 Nginx 的反向代办了。

起首在 /usr/local/nginx/conf/nginx.conf 这个文件的末了增添一句话：

include /etc/nginx/vhost/*.conf;

因为我们背面可能会设置许多域名，这里直接将一切的域名相干的设置文件都放在 /etc/nginx/vhost/ 这个目次下，轻易治理， nginx 本身的设置文件我们不多做修正。

我们在 /etc/nginx/vhost/ 建立 tongji.conf 文件，个中内容以下：

server {
    listen       80;
    autoindex on;
    server_name  tongji.geekdigging.com;
    access_log off;
    # access_log /usr/local/nginx/logs/fuhui_access.log combined;
    error_log  /usr/local/nginx/logs/fuhui_error.log  error;
    index index.html index.htm index.jsp index.php;

    if ( $query_string ~* ".*[\;'\<\>].*" ){
        return 404;
    }

    location / {
        proxy_pass http://127.0.0.1:8080;

        proxy_set_header Host $http_host;

        proxy_set_header X-Real-IP $remote_addr;

        proxy_set_header Client-IP $remote_addr;

        proxy_set_header X-Forward-For $remote_addr;
        
    }
}

完成后重启 Nginx ：

nginx -s reload

然后我们就可以经由过程域名接见本身的统计报表了，如图：

详细链接为：http://tongji.geekdigging.com/ ，感兴致的小伙伴能够本身碰运气，有不清楚的处所能够在民众号留言问我。

示例代码

本系列的一切代码小编都邑放在代码治理堆栈 Github 和 Gitee 上，轻易人人取用。

示例代码-Github

示例代码-Gitee

参考

https://yq.aliyun.com/articles/110806?spm=5176.8351553.0.0.12931991GMAstw

https://blog.csdn.net/d1240673769/article/details/81451922