手撕包菜网站
这是 www.shousibaocai.com 的网站源代码。 开源的目的是为了促进技术交流和相互学习，把DHT与搜索引擎技术应用到更广泛的领域去。
本站于2015年5月使用django改写。 与爬虫相关的代码都在目录workers下。
相关文章请查看作者博客： http://xiaoxia.org/2015/05/15/shousibaocai-opensource/
环境：
| 服务器商 | 内存 | 系统 | 网络 |
|---|---|---|---|
| Vultr日本 | 2G | Centos7 x64 | 有公网IP |
| DO | 1G | Centos7 x64 | 有公网IP |
| Linode(推荐) | 1G | Centos7 x64 | 有公网IP |
- 环境检测（ssbc当前版本是基于django1.8.1开发，所需python环境为python2.7.5以上）
[root@localhost ~]# python -V //执行python -V即可获取当前版本 Python 2.7.5 [root@localhost ~]# systemctl stop firewalld.service //关闭firewall防火墙 [root@localhost ~]# systemctl disable firewalld.service //禁止firewall防火墙开机启动 [root@localhost ~]# systemctl stop iptables.service //关闭iptables防火墙 [root@localhost ~]# systemctl disable iptables.service //禁止iptables防火墙开机启动- 获取ssbc安装包并解压
github源码
[root@localhost ~]# wget https://github.com/78/ssbc/archive/master.zip [root@localhost ~]# yum -y install unzip [root@localhost ~]# unzip master.zip 解压后你会发现在/root目录下有个文件夹ssbc-master
- 安装MariaDB数据库及所需环境
[root@localhost ~]# yum -y install gcc [root@localhost ~]# yum -y install gcc-c++ [root@localhost ~]# yum -y install python-devel [root@localhost ~]# yum -y install mariadb [root@localhost ~]# yum -y install mariadb-devel [root@localhost ~]# yum -y install mariadb-server [root@localhost ~]# cd ssbc-master [root@localhost ssbc-master]# wget https://raw.github.com/pypa/pip/master/contrib/get-pip.py [root@localhost ssbc-master]# python get-pip.py [root@localhost ssbc-master]# pip install -r requirements.txt - 创建ssbc数据库
[root@localhost ssbc-master]# systemctl start mariadb.service //启动数据库 [root@localhost ssbc-master]# mysql -uroot -p Enter password: (回车即可) MariaDB [(none)]> create database ssbc default character set utf8; MariaDB [(none)]> quit; //创建成功后退出 5．Web服务器设置并启动
[root@localhost ssbc-master]# python manage.py makemigrations [root@localhost ssbc-master]# python manage.py migrate [root@localhost ssbc-master]# nohup python manage.py runserver 0.0.0.0:80 >/dev/zero & //启动网站并在后台运行 按回车键继续
浏览器输入http://IP，网站能打开
- 安装Sphinx
[root@localhost ssbc-master]# yum -y install unixODBC unixODBC-devel postgresql-libs [root@localhost ssbc-master]# wget http://sphinxsearch.com/files/ sphinx-2.2.9-1.rhel7.x86_64.rpm [root@localhost ssbc-master]# rpm -ivh sphinx-2.2.9-1.rhel7.x86_64.rpm - 创建以下文件夹并赋予755权限
[root@localhost ssbc-master]# mkdir -p /data/bt/index/db /data/bt/index/binlog /tem/downloads [root@localhost ssbc-master]# chmod 755 -R /data [root@localhost ssbc-master]# chmod 755 -R /tem - 生成索引
[root@localhost ssbc-master]# systemctl restart mariadb.service //重新启动Mariadb [root@localhost ssbc-master]# systemctl enable mariadb.service //设置mariadb开启自启动 [root@localhost ssbc-master]# indexer -c sphinx.conf --all //all 前面是空格减号减号 [root@localhost ssbc-master]# searchd --config ./sphinx.conf //config前是空格减号减号确定没有报错，继续下一步
- 开启爬虫(workers目录下)
[root@localhost ssbc-master]# cd workers [root@localhost workers]# python simdht_worker.py //爬虫运行，等2分钟出现数据之后CTRL+C停止 [root@localhost workers]# nohup python simdht_worker.py >/dev/zero & //让爬虫在后台运行，按回车键继续 [root@localhost workers]# python index_worker.py //入库索引 ，等待10分钟出现数据后CTRL+C停止 [root@localhost workers]# nohup python index_worker.py >/dev/zero & //让索引在后台运行，按回车键继续 [root@localhost workers]#cd .. [root@localhost ssbc-master]# python manage.py createsuperuser //增加后台管理员 //输入管理员用户名 //输入管理员邮箱 //输入管理员密码 //确认密码，完成 //管理员登录地址：http://IP/admin - 测试效果：
浏览器输入http://IP
去除搜索页右下角广告：
[root@localhost ssbc-master]# cd web/static/js [root@localhost js]# vi ssbc.js //找到如下3行，在前面添加//进行注释，保存 // document.write('<script src="http://v.6dvip.com/ge/?s=47688"><\/script>'); // document.writeln("<script language=\"JavaScript\" type=\"text/ javascript\" src=\"http://js.6dad.com/js/xiaoxia.js\"></script>"); // document.writeln("<script language=\"JavaScript\" type=\"text/javascript\" src=\"http://js.ta80.com/js/12115.js\"></script>");可能出现的故障：
- 搜索中文报错
'ascii' codec can't encode characters in position 42-43: ordinal not in range(128) 解决办法：
如果是centos7系统，修改/usr/lib64/python2.7/site.py
vi /usr/lib64/python2.7/site.py 在import sys下添加2行：
reload(sys) sys.setdefaultencoding('utf8') - 爬虫运行时 可能会遇到如下问题：
Python and Django OperationalError (2006, 'MySQL server has gone away') 解决方法：
http://stackoverflow.com/questions/14163429/python-and-django-operationalerror-2006-mysql-server-has-gone-away
/etc/my.cnf 在最后一行的下面添加
wait_timeout=2880000 interactive_timeout = 2880000 max_allowed_packet = 512M 常见问题：
- 必须centos7吗？
非常建议使用centos7，centos6可能会有意想不到的错误 - 怎么查看入库的文件？
登录管理员后台，点击 Hashs - 怎么查看每天入库了多少文件，以便清楚入库效率？
登录管理员后台，点击 Status reports - 如何确认web服务器、采集、入库正在运行？
ps -ef|grep python
结果里面有
python manage.py runserver 0.0.0.0:80
python simdht_worker.py
python index_worker.py
即表示正在运行。