crawl_mrdx

新闻电讯爬虫

初步完成，单线程，文明爬虫（每次爬虫1-3s休息）。

cd my_project_dir
virtualenv -p /opt/python/3.8.5/bin/python3 .venv
source .venv/bin/activate
pip install -r requirements.txt

# method 1
python main.py --start 20230822 --end 20230823

# method 2，先配置 conf/config.json
python main.py

Ubuntu 打包：

pip install pyinstaller
pyinstaller -F -c main.py

docker 打包：

docker build -t jianboy/crawl_mrdx:v1.0.5 .
docker run -it --rm -v /data/crawl-mrdx:/app jianboy/crawl_mrdx:v1.0.5

截图

目前下载到 ./data/20130822/07.pdf ，2275天的资讯日报，总共16G。

History

2015年开始

python main.py --start 20210822 --end 20220822

python main.py --start 20220822 --end 20230418

之后不生成pdf版本了

License

Licensed under the Apache 2.0 © liuyuqi.gov@msn.cn