十九、通过Scrapy提供的API在程序中启动爬虫
Scrapy在Twisted异步网络库上构建，所以如果程序必须在Twisted reactor里运行
1、方式一：使用CrawlerProcess类
CrawlerProcess类(scrapy.crawler.CrawlerProcess)内部将会开启Twisted reactor、配置log和设置Twisted reactor自动关闭。
可以在CrawlerProcess初始化时传入设置的参数，使用crawl方式运行指定的爬虫类。
```
if __name__=="__main__":
process = CrawlerProcess(
{
"USER_AGENT":"Mozilla/5.0 ...."，
}
)
process.crawl(爬虫类）
process.start()
```
也可以在CrawlerProcess初始化时传入项目的settings信息，在crawl方法中传入爬虫的名字。
```
if __name__=="__main__":
process = CrawlerProcess(
project_settings()
)
process.crawl(爬虫名）
process.start()
```
2、方式二：使用CrawlerRunner
使用CrawlerRunner时，在spider运行结束后，必须自行关闭Twisted reactor，需要在CrawlerRunner.crawl所返回的对象中添加回调函数。
```
if __name__=="__main__":
configure_logging({"LOG_FORMAT":"%(levelname)s:%(message)s"}) # 使用configure_logging配置了日志信息的打印格式
runner = CrawlerRunner()
d = runner.crawl(爬虫类） # 通过CrawlerRunner的crawl方法添加爬虫
d.addBoth(lambda _:reactor.stop()) # 通过addBoth添加关闭Twisted reactor的回调函数
reactor.run()
```
3、在一个进程中启动多个爬虫
1、CrawlerProcess方式实现
```
import scrapy
from scrapy.crawler import CrawlerProcess
class Myspider_1(scrapy.Spider):
...
class Myspider_2(scrapy.Spider):
...
process = CrawlerProcess()
process.crawl(Myspider_1)
process.crawl(Myspider_2)
process.start()
```
2、CrawlerRunner方式实现
1、第一种方式
```
import scrapy
from twisted.internet import reactor
from scrapy.crawler import CrawlerRunner
from scrapy.utils.log import configure_logging
class Myspider_1(scrapy.Spider):
...
class Myspider_2(scrapy.Spider):
...
configure_logging()
runner = CralwerRunner()
runner.crawl(Myspider_1)
runner.crawl(Myspider_2)
d = runner.join()
d.addBoth(lambda _: reactor.stop())
reactor.run()
```
2、第二种方式
```
from twisted.internet import reactor,defer
from scrapy.crawler import CrawlerRunner
from scrapy.utils.log import configure_logging
class Myspider_1(scrapy.Spider):
...
class Myspider_2(scrapy.Spider):
...
configure_logging()
runner = CrawlerRunner()
@defer.inlineCallbacks
def crawl():
yield runner.crawl(Myspider_1)
yield runner.crawl(Myspider_2)
reactor.stop()
crawl()
reactor.run()
```
