#介绍 byrTOP10介绍 byrTOP10是一个Java Servlet 和 python Scrapy(0.24) 结合的一个微信公众帐号开发应用。功能是实现对北邮人论坛每日10大帖子的爬取后存入mysql数据库供微信公众号的检索。如输入20150831则会返回2015年8月31号的当日十大帖子。由于开发不久,数据库里的数据不多,记录日期重20150831开始,后续的数据库信息由scrapy和crontab每日定时23点30分(当天的10大帖子应该是固定不变了)开始爬去当日十大。
##mysql数据库配置 修改mysql数据库配置
nano /etc/mysql/my.cnf
#bind-address 127.0.0.1
sudo /etc/init.d/mysql restart #重启mysql
创建用户
CREATE USER '****'@'localhost' IDENTIFIED BY '****';
CREATE USER '****'@'%' IDENTIFIED BY '****';
GRANT ALL ON *.* TO '****'@'localhost';
GRANT ALL ON *.* TO '****'@'%';
创建数据库
CREATE DATABASE `TOP10` CHARACTER SET utf8 COLLATE utf8_general_ci;
建top10表
python dataScrapy/t1/spiders/sp2.py
运行爬虫
cd dataScrapy
scrapy crawl t2
##修改dataScrapy项目 修改sp2.py 中的数据库用户名和密码 ##修改myJavaWeb项目 修改jdbcUtils.java 中的数据库用户名和密码 修改SignUtil.java 中的token
#部署服务器
#修改apache-tomcat-7.0.57/conf/tomcat-users.xml
<tomcat-users>
<role rolename="manager-gui"/>
<role rolename="manager-script"/>
<user username="tomcat" password="tomcat" roles="manager-gui, manager-script"/>
</tomcat-users>
#修改maven settings.xml
<servers>
<server>
<id>Tomcat7</id>
<username>tomcat</username>
<password>tomcat</password>
</server>
</servers>
cd myJavaWeb
#运行tomcat7
mvn tomcat7:deploy
#增加爬虫定时任务 crontab
由于是美国的VPS,所以改下时区
sudo dpkg-reconfigure tzdata #选取Asia Shanghai就可以了
nano Top10.sh
#!/bin/bash
export PATH="/usr/local/bin:/usr/bin:/bin"
cd `dirname $0`
exec "$@"
crontab -e
30 6 * * * /root/tomcat/dataScrapy/Top10.sh scrapy crawl t2 #每天6点30分去爬论坛数据