Python3.9安装PySpider步骤及问题解决
先写一些前言吧,自己感觉python已经有一定的基础了,但是在安装这个过程居然用了一下午,感觉有些收货,特地写下来与大家分享一下。
- PySpider是一个强大的网络爬虫系统,GitHub地址:https://github.com/binux/pyspider;官方文档地址:http://docs.pyspider.org/en/latest。
- PySpider,提供WEBUI系统,支持PhantomJS进行JS的渲染采集,内置pyquery作为选择器,可拓展程度不高。
- Scrapy,原生是代码和命令操作,对接Portia实现可视化,使用parse命令调试,对接Scrapy-Splash组件进行JS渲染采集,对接XPath/CSS选择器和正则匹配,可对接Middleware、Pipeline、Extension等组件拓展。
- PySpider,架构分为Scheduler调度器(发起任务调度),Fetcher抓取器(抓取网页内容),Processer处理器(解析网页内容)。
话不多说,上安装过程(PS,本机环境windows10,Python3.9.0):
1、首先需要安装PhantomJS,这个比较简单,就直接按照网上流程安装对应版本就行。
2、安装PyCurl,这个是安装PySpider的先决条件,直接pip安装会报错,可以下载.whl文件安装,网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#pycurl,
3、安装PySpider,直接pip安装就行。
4、安装调试:
(1)、安装完Pyspider,命令行运行pyspider,会报错:SyntaxError: invalid syntax:
这个是因为python以及相关依赖版本过高。可以使用Pycharm (亦可直接用文档更改代码),点击File-Open打开python\lib\sit-packages\pyspider,将文件夹pyspider 加载进去,按Ctrl+Shift+F快捷键调出全局搜索,输入async,即可在“In Project”下找到所有含有关键字的.py 文件,逐一打开,按Ctrl+R调出替换栏,将async 替换为shark 即可。就是分别在run.py、tornado_fetcher.py、webui>app.py,ctrl+f查找async替换掉就可以了。(注意大写的Async不要替换)
(2)、再次运行发现报错:AttributeError: module 'fractions' has no attribute 'gcd',
这个函数在Python3.5之后就废弃了,官方建议使用math.gcd()。所以在libs/base_handler文件中上方加入 import math下面fractions.gcd()改为math.gcd(…)就可以了
(3)、再次运行发现报错:Deprecated option 'domaincontroller': use 'http_authenticator.domain_controller' instead.
webui文件里面的webdav.py文件打开,修改第209行即可。把
'domaincontroller': NeedAuthController(app),
修改为:
'http_authenticator':{
'HTTPAuthenticator':NeedAuthController(app),
},
(4)、再次运行发现报错:cannot import name 'DispatcherMiddleware' from 'werkzeug.wsgi' (d:\python39\lib\site-packages\werkzeug\wsgi.py)
这个是werkzeug的版本太高问题,需要进行修改
python -m pip uninstall werkzeug # 卸载
python -m pip install werkzeug==0.16.1
#安装0.16.1版本
(5)、同样也需要更换wsgidav 版本
pip uninstall wsgidav
pip install wsgidav==2.4.1
(6)、再次运行pyspider,发现卡死在result_worker starting,运行pyspider all卡死在, fetcher starting…
百度,① 有说需要打开一个命令行端口运行pyspider,卡住后运行第二个并关掉第一个端口;② 有说需要关闭防火墙;③ 有说需要先安装redis
但是,我都尝试一遍还是卡在那里。
(7)最后选择重新安装一遍,
① 把之前安装的包卸载,具有有:wsgidav,werkzeug,pycurl,pyspider(已经安装的redis没有卸载,防火墙中python权限打开没关)
② 按照上述(1)~(5)步骤安装,过程中发现Flask与相关包冲突,并最Flask的版本进行了更新。具体描述如下:
a)发现在安装 werkzeug 时报错:
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
flask 2.0.1 requires Werkzeug>=2.0, but you have werkzeug 0.16.1 which is incompatible.
b)卸载flask,继续安装 wsgidav 时报错:
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
pyspider 0.3.10 requires Flask>=0.10, which is not installed.
c)安装 flask==1.0.2 ,如果安装0.10版本,发现pyspider的网页UI部分内容渲染失败。1.0.2版本刚好合适
d)安装成功截图: