python3 scrapy_redis 分布式爬取房天下存mongodb_python北京转%b1%b1%be%a9

（一）scrapy_redis 简单介绍

scrapy_redis基于scrapy框架的基础上集成了redis，通过了redis实现了去重，多台服务器进行分布式的爬取数据。

（二）scrapy_redis 简单配置

（1）settings.py 文件中加入两行代码：

#启用Redis调度存储请求队列
SCHEDULER = "scrapy_redis.scheduler.Scheduler"

#确保所有的爬虫通过Redis去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
1
2
3
4
5

---

（2）spider文件中把scrapy.Spider改为RedisSpider； 加入redis_key

以上就是scrapy_redis在scrapy框架中的简单配置，更多的配置内容，请查看以往博客介绍

（三）房天下爬虫代码的编写

（一）获取的内容是优选房源

起始页：https://m.fang.com/zf/bj/?jhtype=zf

因为这个页面是下滑刷新的，并没有点击下一页的操作，而是动态JS进行加载的，我们可以使用审查元素中的网络，查看接口请求信息

其中的一个链接：

https://m.fang.com/zf/?purpose=%D7%A1%D5%AC&jhtype=zf&city=%B1%B1%BE%A9&renttype=cz&c=zf&a=ajaxGetList&city=bj&r=0.7838634037101673&page=3

我们可以看到 page=3 只要我们操控这个变量就完全可以了。

但是：当我们打开上面的链接的时候，出现一堆的乱码：

（二）我们在parse()方法中使用decode 方法解码一下，就可以显示正常了。

    def parse(self,response):
          print(response.body.decode(
1
2