shino

简介

shino 是一个免费开源的无代码化分布式爬虫框架，项目使用到 mysql、rabbitmq、redis 分别作为数据存储、消息队列和缓存。利用 grpc 技术作解耦各个模块，实现多机灵活部署。灵活组合的拓展需求。

功能块

• 种子生成器
• 下载器
• 解析器
• 清洗器
• 存储器

准备

• mysql 安装并开启
• rabbitmq 安装并开启
• redis 安装并开启

备注：请确保你所使用的环境和 resouces 中的配置一致

安装使用

• 版本要求

python >= 3.7.0

• 获取项目代码

git clone https://github.com/hacksman/shino

• 安装依赖

pip instal requirements.txt

• 运行服务

# 开启服务 / debug 表示在 debug 配置环境下运行
sh start.sh debug
# 关闭服务
sh stop.sh
# 重启服务
sh restart.sh debug

• 原理说明

shino 原理说明

• 使用教程

shino 教程 - 知乎热榜数据抓取

TODO-LIST

• seed modifier 中间件模式改写
• run.sh 运行启动脚本
  • 支持 start、restart、stop
• 命令行模式支持更加丰富的功能
  • debug 模式
    • seed 运行时间修改为 10s 执行一次
    • debug 以上级别日志输出
• install 脚本编写，实现 start/restart/stop 功能
• 各个地方的参数配置化
• 各模块功能及原理说明文档
  • 是什么
  • 原理
  • 使用说明
• 使用说明
  • 基本 demo
  • 链式调用 demo
  • 动态 url demo
  • 解析 xpath demo
  • 解析内嵌结构 demo
• 去掉冗余的日志
• 支持多 headers 切换形式
• 数据支持 update 操作
• 支持仅本地抓取
• 完善统计功能
• 支持间隔多久时间抓取一次，根据网站反爬虫策略动态调整
• 支持站点采集完毕后，发送消息通知功能
• 后端接口暴露
• 前端界面

License