scrapy-redis是一個基於redis的scrapy組件，通過它可以快速實現簡單分布式爬蟲程序，該組件本質上提供了三大功能：

• scheduler - 調度器
• dupefilter - URL去重規則（被調度器使用）
• pipeline - 數據持久化

scrapy-redis組件

1. URL去重

2. 調度器

3. 數據持久化

4. 起始URL相關

scrapy-redis示例

# DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
#
#
# from scrapy_redis.scheduler import Scheduler
# from scrapy_redis.queue import PriorityQueue
# SCHEDULER = "scrapy_redis.scheduler.Scheduler"
# SCHEDULER_QUEUE_CLASS = ‘scrapy_redis.queue.PriorityQueue‘          # 默認使用優先級隊列（默認），其他：PriorityQueue（有序集合），FifoQueue（列表）、LifoQueue（列表）
# SCHEDULER_QUEUE_KEY = ‘%(spider)s:requests‘                         # 調度器中請求存放在redis中的key
# SCHEDULER_SERIALIZER = "scrapy_redis.picklecompat"                  # 對保存到redis中的數據進行序列化，默認使用pickle
# SCHEDULER_PERSIST = True                                            # 是否在關閉時候保留原來的調度器和去重記錄，True=保留，False=清空
# SCHEDULER_FLUSH_ON_START = False                                    # 是否在開始之前清空 調度器和去重記錄，True=清空，False=不清空
# SCHEDULER_IDLE_BEFORE_CLOSE = 10                                    # 去調度器中獲取數據時，如果為空，最多等待時間（最後沒數據，未獲取到）。
# SCHEDULER_DUPEFILTER_KEY = ‘%(spider)s:dupefilter‘                  # 去重規則，在redis中保存時對應的key
# SCHEDULER_DUPEFILTER_CLASS = ‘scrapy_redis.dupefilter.RFPDupeFilter‘# 去重規則對應處理的類
#
#
#
# REDIS_HOST = ‘10.211.55.13‘                           # 主機名
# REDIS_PORT = 6379                                     # 端口
# # REDIS_URL = ‘redis://user:pass@hostname:9001‘       # 連接URL（優先於以上配置）
# # REDIS_PARAMS  = {}                                  # Redis連接參數             默認：REDIS_PARAMS = {‘socket_timeout‘: 30,‘socket_connect_timeout‘: 30,‘retry_on_timeout‘: True,‘encoding‘: REDIS_ENCODING,}）
# # REDIS_PARAMS[‘redis_cls‘] = ‘myproject.RedisClient‘ # 指定連接Redis的Python模塊  默認：redis.StrictRedis
# REDIS_ENCODING = "utf-8"                              # redis編碼類型             默認：‘utf-8‘

import scrapy


class ChoutiSpider(scrapy.Spider):
    name = "chouti"
    allowed_domains = ["chouti.com"]
    start_urls = (
        ‘http://www.chouti.com/‘,
    )

    def parse(self, response):
        for i in range(0,10):
            yield

scrapy-redis