crawlo 1.4.6__py3-none-any.whl → 1.4.7__py3-none-any.whl

crawlo/templates/project/settings_simple.py.tmpl

@@ -1,175 +1,169 @@
-# -*- coding: UTF-8 -*-
-"""
-{{project_name}} 项目配置文件（简化版）
-=============================
-基于 Crawlo 框架的简化爬虫项目配置。
-适合快速开始和简单项目。
-"""
-
-# =================================== 基础配置 ===================================
-
-# 项目基本信息
-PROJECT_NAME = '{{project_name}}'
-
-# 运行模式
-RUN_MODE = 'standalone'
-
-# 并发配置
-CONCURRENCY = 4
-MAX_RUNNING_SPIDERS = 1
-DOWNLOAD_DELAY = 1.0
-
-# =================================== 核心组件配置 ===================================
-
-# 下载器配置
-DOWNLOADER = 'crawlo.downloader.aiohttp_downloader.AioHttpDownloader'
-
-# 队列配置
-QUEUE_TYPE = 'memory'
-
-# 去重过滤器
-FILTER_CLASS = 'crawlo.filters.memory_filter.MemoryFilter'
-
-# 默认去重管道
-DEFAULT_DEDUP_PIPELINE = 'crawlo.pipelines.memory_dedup_pipeline.MemoryDedupPipeline'
-
-# =================================== 爬虫配置 ===================================
-
-# 爬虫模块配置
-SPIDER_MODULES = ['{{project_name}}.spiders']
-
-# 默认请求头配置
-# 为DefaultHeaderMiddleware配置默认请求头
-# DEFAULT_REQUEST_HEADERS = {}
-
-# 允许的域名
-# 为OffsiteMiddleware配置允许的域名
-# ALLOWED_DOMAINS = []
-
-# 数据管道
-# 如需添加自定义管道，请取消注释并添加
-# PIPELINES = [
-#     'crawlo.pipelines.mysql_pipeline.AsyncmyMySQLPipeline',  # MySQL 存储（使用asyncmy异步库）
-#     # '{{project_name}}.pipelines.CustomPipeline',  # 用户自定义管道示例
-# ]
-
-# =================================== 系统配置 ===================================
-
-# 扩展组件
-# 如需添加自定义扩展，请取消注释并添加
-# EXTENSIONS = [
-#     # '{{project_name}}.extensions.CustomExtension',  # 用户自定义扩展示例
-# ]
-
-# 中间件
-# 如需添加自定义中间件，请取消注释并添加
-# MIDDLEWARES = [
-#     # '{{project_name}}.middlewares.CustomMiddleware',  # 用户自定义中间件示例
-# ]
-
-# 日志配置
-LOG_LEVEL = 'INFO'
-LOG_FILE = 'logs/{{project_name}}.log'
-LOG_ENCODING = 'utf-8'  # 明确指定日志文件编码
-STATS_DUMP = True
-
-# 输出配置
-OUTPUT_DIR = 'output'
-
-# =================================== 数据库配置 ===================================
-
-# Redis配置
-REDIS_HOST = '127.0.0.1'
-REDIS_PORT = 6379
-REDIS_PASSWORD = ''
-REDIS_DB = 0
-
-# 根据是否有密码生成 URL
-if REDIS_PASSWORD:
-    REDIS_URL = f'redis://:{REDIS_PASSWORD}@{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
-else:
-    REDIS_URL = f'redis://{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
-
-# MySQL配置
-MYSQL_HOST = '127.0.0.1'
-MYSQL_PORT = 3306
-MYSQL_USER = 'root'
-MYSQL_PASSWORD = '123456'
-MYSQL_DB = '{{project_name}}'
-MYSQL_TABLE = '{{project_name}}_data'
-MYSQL_BATCH_SIZE = 100
-MYSQL_USE_BATCH = False  # 是否启用批量插入
-
-# MySQL SQL生成行为控制配置
-MYSQL_AUTO_UPDATE = False  # 是否使用 REPLACE INTO（完全覆盖已存在记录）
-MYSQL_INSERT_IGNORE = False  # 是否使用 INSERT IGNORE（忽略重复数据）
-MYSQL_UPDATE_COLUMNS = ()  # 冲突时需更新的列名；指定后 MYSQL_AUTO_UPDATE 失效
-
-# MongoDB配置
-MONGO_URI = 'mongodb://localhost:27017'
-MONGO_DATABASE = '{{project_name}}_db'
-MONGO_COLLECTION = '{{project_name}}_items'
-MONGO_MAX_POOL_SIZE = 200
-MONGO_MIN_POOL_SIZE = 20
-MONGO_BATCH_SIZE = 100  # 批量插入条数
-MONGO_USE_BATCH = False  # 是否启用批量插入
-
-# =================================== 网络配置 ===================================
-
-# 代理配置
-# 代理功能默认不启用，如需使用请在项目配置文件中启用并配置相关参数
-PROXY_ENABLED = False  # 是否启用代理
-
-# 简化版代理配置（适用于SimpleProxyMiddleware）
-PROXY_LIST = []  # 代理列表，例如: ["http://proxy1:8080", "http://proxy2:8080"]
-
-# 高级代理配置（适用于ProxyMiddleware）
-PROXY_API_URL = ""  # 代理获取接口（请替换为真实地址）
-
-# 代理提取方式（支持字段路径或函数）
-# 示例: "proxy" 适用于 {"proxy": "http://1.1.1.1:8080"}
-# 示例: "data.proxy" 适用于 {"data": {"proxy": "http://1.1.1.1:8080"}}
-PROXY_EXTRACTOR = "proxy"
-
-# 代理刷新控制
-PROXY_REFRESH_INTERVAL = 60  # 代理刷新间隔（秒）
-PROXY_API_TIMEOUT = 10  # 请求代理 API 超时时间
-
-# 浏览器指纹模拟（仅 CurlCffi 下载器有效）
-CURL_BROWSER_TYPE = "chrome"  # 可选: chrome, edge, safari, firefox 或版本如 chrome136
-
-# 自定义浏览器版本映射（可覆盖默认行为）
-CURL_BROWSER_VERSION_MAP = {
-    "chrome": "chrome136",
-    "edge": "edge101",
-    "safari": "safari184",
-    "firefox": "firefox135",
-}
-
-# 下载器优化配置
-# 下载器健康检查
-DOWNLOADER_HEALTH_CHECK = True  # 是否启用下载器健康检查
-HEALTH_CHECK_INTERVAL = 60  # 健康检查间隔（秒）
-
-# 请求统计配置
-REQUEST_STATS_ENABLED = True  # 是否启用请求统计
-STATS_RESET_ON_START = False  # 启动时是否重置统计
-
-# HttpX 下载器专用配置
-HTTPX_HTTP2 = True  # 是否启用HTTP/2支持
-HTTPX_FOLLOW_REDIRECTS = True  # 是否自动跟随重定向
-
-# AioHttp 下载器专用配置
-AIOHTTP_AUTO_DECOMPRESS = True  # 是否自动解压响应
-AIOHTTP_FORCE_CLOSE = False  # 是否强制关闭连接
-
-# 通用优化配置
-CONNECTION_TTL_DNS_CACHE = 300  # DNS缓存TTL（秒）
-CONNECTION_KEEPALIVE_TIMEOUT = 15  # Keep-Alive超时（秒）
-
-# 内存监控配置
-# 内存监控扩展默认不启用，如需使用请在项目配置文件中启用
-MEMORY_MONITOR_ENABLED = False  # 是否启用内存监控
-MEMORY_MONITOR_INTERVAL = 60  # 内存监控检查间隔（秒）
-MEMORY_WARNING_THRESHOLD = 80.0  # 内存使用率警告阈值（百分比）
+# -*- coding: UTF-8 -*-
+"""
+{{project_name}} 项目配置文件（简化版）
+=============================
+基于 Crawlo 框架的简化爬虫项目配置。
+适合快速开始和简单项目。
+"""
+
+# =================================== 基础配置 ===================================
+
+# 项目基本信息
+PROJECT_NAME = '{{project_name}}'
+
+# 运行模式：standalone/distributed/auto
+RUN_MODE = 'standalone'
+
+# 并发配置
+CONCURRENCY = 4
+MAX_RUNNING_SPIDERS = 1
+DOWNLOAD_DELAY = 1.0
+
+# =================================== 核心组件配置 ===================================
+
+# 下载器：AioHttpDownloader/HttpXDownloader/CurlCffiDownloader
+DOWNLOADER = 'crawlo.downloader.aiohttp_downloader.AioHttpDownloader'
+
+# 队列类型：memory/redis/auto
+QUEUE_TYPE = 'memory'
+
+# 去重过滤器：MemoryFilter/AioRedisFilter
+FILTER_CLASS = 'crawlo.filters.memory_filter.MemoryFilter'
+
+# 默认去重管道：MemoryDedupPipeline/RedisDedupPipeline
+DEFAULT_DEDUP_PIPELINE = 'crawlo.pipelines.memory_dedup_pipeline.MemoryDedupPipeline'
+
+# =================================== 爬虫配置 ===================================
+
+# 爬虫模块配置
+SPIDER_MODULES = ['{{project_name}}.spiders']
+
+# 默认请求头
+# DEFAULT_REQUEST_HEADERS = {}
+
+# 允许的域名
+# ALLOWED_DOMAINS = []
+
+# 数据管道
+# 如需添加自定义管道，请取消注释并添加
+# PIPELINES = [
+#     'crawlo.pipelines.mysql_pipeline.AsyncmyMySQLPipeline',  # MySQL 存储（使用asyncmy异步库）
+#     # '{{project_name}}.pipelines.CustomPipeline',  # 用户自定义管道示例
+# ]
+
+# =================================== 系统配置 ===================================
+
+# 扩展组件
+# 如需添加自定义扩展，请取消注释并添加
+# EXTENSIONS = [
+#     # '{{project_name}}.extensions.CustomExtension',  # 用户自定义扩展示例
+# ]
+
+# 中间件
+# 如需添加自定义中间件，请取消注释并添加
+# MIDDLEWARES = [
+#     # '{{project_name}}.middlewares.CustomMiddleware',  # 用户自定义中间件示例
+# ]
+
+# 日志配置
+LOG_LEVEL = 'INFO'
+LOG_FILE = 'logs/{{project_name}}.log'
+LOG_ENCODING = 'utf-8'  # 明确指定日志文件编码
+STATS_DUMP = True
+
+# 输出配置
+OUTPUT_DIR = 'output'
+
+# =================================== 数据库配置 ===================================
+
+# Redis配置
+REDIS_HOST = '127.0.0.1'
+REDIS_PORT = 6379
+REDIS_PASSWORD = ''
+REDIS_DB = 0
+
+# 根据是否有密码生成 URL
+if REDIS_PASSWORD:
+    REDIS_URL = f'redis://:{REDIS_PASSWORD}@{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
+else:
+    REDIS_URL = f'redis://{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
+
+# MySQL配置
+MYSQL_HOST = '127.0.0.1'
+MYSQL_PORT = 3306
+MYSQL_USER = 'root'
+MYSQL_PASSWORD = '123456'
+MYSQL_DB = '{{project_name}}'
+MYSQL_TABLE = '{{project_name}}_data'
+MYSQL_BATCH_SIZE = 100
+MYSQL_USE_BATCH = False  # 是否启用批量插入
+
+# MySQL SQL生成行为控制配置
+MYSQL_AUTO_UPDATE = False  # 是否使用 REPLACE INTO（完全覆盖已存在记录）
+MYSQL_INSERT_IGNORE = False  # 是否使用 INSERT IGNORE（忽略重复数据）
+MYSQL_UPDATE_COLUMNS = ()  # 冲突时需更新的列名；指定后 MYSQL_AUTO_UPDATE 失效
+
+# MongoDB配置
+MONGO_URI = 'mongodb://localhost:27017'
+MONGO_DATABASE = '{{project_name}}_db'
+MONGO_COLLECTION = '{{project_name}}_items'
+MONGO_MAX_POOL_SIZE = 200
+MONGO_MIN_POOL_SIZE = 20
+MONGO_BATCH_SIZE = 100  # 批量插入条数
+MONGO_USE_BATCH = False  # 是否启用批量插入
+
+# =================================== 网络配置 ===================================
+
+# 代理配置
+PROXY_ENABLED = False  # 是否启用代理
+
+# 简单代理（SimpleProxyMiddleware）
+PROXY_LIST = []  # 代理列表
+
+# 动态代理（ProxyMiddleware）
+PROXY_API_URL = ""  # 代理API地址
+
+# 代理提取方式："proxy" 或 "data.proxy"
+PROXY_EXTRACTOR = "proxy"
+
+# 代理刷新控制
+PROXY_REFRESH_INTERVAL = 60  # 代理刷新间隔（秒）
+PROXY_API_TIMEOUT = 10  # API超时时间
+
+# 浏览器指纹模拟（仅CurlCffiDownloader有效）
+CURL_BROWSER_TYPE = "chrome"  # 可选：chrome/edge/safari/firefox
+
+# 自定义浏览器版本映射
+CURL_BROWSER_VERSION_MAP = {
+    "chrome": "chrome136",
+    "edge": "edge101",
+    "safari": "safari184",
+    "firefox": "firefox135",
+}
+
+# 下载器优化配置
+# 下载器健康检查
+DOWNLOADER_HEALTH_CHECK = True  # 是否启用下载器健康检查
+HEALTH_CHECK_INTERVAL = 60  # 健康检查间隔（秒）
+
+# 请求统计配置
+REQUEST_STATS_ENABLED = True  # 是否启用请求统计
+STATS_RESET_ON_START = False  # 启动时是否重置统计
+
+# HttpX专用配置
+HTTPX_HTTP2 = True  # 是否启用HTTP/2支持
+HTTPX_FOLLOW_REDIRECTS = True  # 是否自动跟随重定向
+
+# AioHttp专用配置
+AIOHTTP_AUTO_DECOMPRESS = True  # 是否自动解压响应
+AIOHTTP_FORCE_CLOSE = False  # 是否强制关闭连接
+
+# 通用优化配置
+CONNECTION_TTL_DNS_CACHE = 300  # DNS缓存TTL（秒）
+CONNECTION_KEEPALIVE_TIMEOUT = 15  # Keep-Alive超时（秒）
+
+# 内存监控配置
+MEMORY_MONITOR_ENABLED = False  # 是否启用内存监控
+MEMORY_MONITOR_INTERVAL = 60  # 内存监控检查间隔（秒）
+MEMORY_WARNING_THRESHOLD = 80.0  # 内存使用率警告阈值（百分比）
 MEMORY_CRITICAL_THRESHOLD = 90.0  # 内存使用率严重阈值（百分比）

crawlo/templates/project/spiders/__init__.py.tmpl

@@ -1,10 +1,10 @@
-# -*- coding: UTF-8 -*-
-"""
-{{project_name}}.spiders
-========================
-存放所有的爬虫。
-"""
-
-# 自动导入所有爬虫以确保它们被注册
-# 示例：
+# -*- coding: UTF-8 -*-
+"""
+{{project_name}}.spiders
+========================
+存放所有的爬虫。
+"""
+
+# 自动导入所有爬虫以确保它们被注册
+# 示例：
 # from .YourSpider import YourSpider

crawlo/templates/run.py.tmpl

@@ -1,24 +1,24 @@
-#!/usr/bin/python
-# -*- coding: UTF-8 -*-
-
-import sys
-import asyncio
-
-from crawlo.crawler import CrawlerProcess
-
-
-def main():
-    """主函数：运行爬虫"""
-    try:
-        # TODO: 请将 'spider_name' 替换为实际要运行的爬虫名称
-        asyncio.run(CrawlerProcess().crawl('spider_name'))
-
-    except Exception as e:
-        print(f"❌ 运行失败: {e}")
-        import traceback
-        traceback.print_exc()
-        sys.exit(1)
-
-
-if __name__ == '__main__':
+#!/usr/bin/python
+# -*- coding: UTF-8 -*-
+
+import sys
+import asyncio
+
+from crawlo.crawler import CrawlerProcess
+
+
+def main():
+    """运行爬虫"""
+    try:
+        # TODO: 请将 'spider_name' 替换为实际要运行的爬虫名称
+        asyncio.run(CrawlerProcess().crawl('spider_name'))
+
+    except Exception as e:
+        print(f"❌ 运行失败: {e}")
+        import traceback
+        traceback.print_exc()
+        sys.exit(1)
+
+
+if __name__ == '__main__':
     main()

crawlo/templates/spider/spider.py.tmpl

@@ -1,41 +1,33 @@
-# -*- coding: UTF-8 -*-
-"""
-{{project_name}}.spiders.{{spider_name}}
-=======================================
-由 `crawlo genspider` 命令生成的爬虫。
-"""
-
-from crawlo.spider import Spider
-from crawlo import Request
-from ..items import {{item_class}}
-
-
-class {{class_name}}(Spider):
-    """
-    爬虫：{{spider_name}}
-    """
-    name = '{{spider_name}}'
-    allowed_domains = ['{{domain}}']
-    start_urls = ['https://{{domain}}/']
-    
-    # 自定义设置（可选）
-    custom_settings = {}
-
-    def start_requests(self):
-        """
-        生成初始请求。
-        """
-        for url in self.start_urls:
-            yield Request(url=url, callback=self.parse)
-
-    def parse(self, response):
-        """
-        解析响应的主方法。
-        """
-        self.logger.info(f'正在解析页面: {response.url}')
-        
-        yield {
-            'title': response.xpath('//title/text()').get(default=''),
-            'url': response.url,
-            'status_code': response.status_code,
+# -*- coding: UTF-8 -*-
+"""
+爬虫：{{spider_name}}
+"""
+
+from crawlo.spider import Spider
+from crawlo import Request
+from ..items import {{item_class}}
+
+
+class {{class_name}}(Spider):
+    """{{spider_name}} 爬虫"""
+    name = '{{spider_name}}'
+    allowed_domains = ['{{domain}}']
+    start_urls = ['https://{{domain}}/']
+    
+    # 自定义设置（可选）
+    custom_settings = {}
+
+    def start_requests(self):
+        """生成初始请求"""
+        for url in self.start_urls:
+            yield Request(url=url, callback=self.parse)
+
+    def parse(self, response):
+        """解析响应"""
+        self.logger.info(f'正在解析页面: {response.url}')
+        
+        yield {
+            'title': response.xpath('//title/text()').get(default=''),
+            'url': response.url,
+            'status_code': response.status_code,
         }

crawlo/templates/spiders_init.py.tmpl

@@ -1,10 +1,5 @@
-# -*- coding: UTF-8 -*-
-"""
-{{project_name}}.spiders
-========================
-存放所有的爬虫。
-
-该文件支持自动导入所有爬虫模块，确保爬虫能被正确注册。
-框架会自动扫描并导入此目录下的所有Python文件（除了__init__.py）。
-"""
-# 框架会自动处理爬虫模块的导入，无需手动导入
+# -*- coding: UTF-8 -*-
+"""
+爬虫模块目录
+框架自动扫描并注册此目录下的所有爬虫
+"""