一、爬虫文件

使用RedisSpider为继承父类，添加redis_key

import scrapy
from ..items import NewsItem
from scrapy_redis import spidersclass CbsnewsSpiderSpider(spiders.RedisSpider):name = "abc_spider"# allowed_domains = ["www.abc.com"]# start_urls = ["https://www.abc.com/"]redis_key = 'abc:start_urls'    # redis队列关键字，使用 lpush abc:start_urls https://www.abc.com/ 放入初始网址，程序自动GET请求def parse(self, response):"""第一层：解析自动GET请求的初始网址:param response::return:"""abc_list = response.xpath('//nav[@class="header__nav"]//a/@href').extract()if not abc_list:returnfor column_url in abc_list:yield scrapy.Request(column_url, callback=self.abc_source, meta={'column_url': column_url})def abc_source(self,response):"""第二层：解析第一层获取并请求回来的网址:param response::return:"""column_url = response.meta['column_url']print(column_url)pass

二、settings.py配置

项目settings.py文件增加下面代码即可

# 增加redis地址、端口
REDIS_HOST = '127.0.0.1'
REDIS_PORT = 6379# 配置scrapy-redis调度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
# 配置爬取去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
# 断点续连，不用从头开始爬
SCHEDULER_PERSIST = True