零代码爬虫平台SpiderFlow的安装

发表于 2023-08-04 更新于 2024-09-18 分类于各种折腾 Waline：阅读次数：本文字数： 4.4k 阅读时长 ≈ 4 分钟

SpiderFlow 是新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。

什么是 Spider Flow ？

Spider Flow 是一个高度灵活可配置的爬虫平台，用户无需编写代码，以流程图的方式，即可实现爬虫。该工具支持多数据源、自动保存至数据库、任务监控、抓取 JS 动态渲染页面、插件扩展（OCR 识别、邮件发送）等功能。

是不是和 n8n 有点像，不过目前 SpiderFlow 项目似乎已经停止开发了

构建镜像

如果你不想自己构建，可以跳过，直接阅读下一章节

官方提供了 Dockerfile，但没有提供镜像，想用现成的，但是不确定代码是不是最新的，所以还是自己编了一下，发现这个 Dockerfile 存在两个问题：

现在已经找不到 java:8 镜像了；

Release 中并没有提供编译好的 jar 包，需要自己从源代码编译；

所以老苏重新改写了 Dockerfile ，选择了多阶段构建方式

# 源码构建
FROM maven:3.6.0-jdk-11-slim AS builder
COPY . ./
RUN mvn clean install

# 镜像打包
FROM openjdk:8-jdk-alpine  
LABEL maintainer=laosu<wbsu2003@gmail.com> 
  
RUN mkdir -p /spider-flow  
WORKDIR /spider-flow  
EXPOSE 8088  
COPY --from=builder ./spider-flow-web/target/spider-flow.jar ./  
CMD sleep 30;java -Djava.security.egd=file:/dev/./urandom -jar spider-flow.jar

源码编译的时间还是比较长的

构建镜像和容器运行的基本命令如下👇

# 下载代码
git clone https://github.com/ssssssss-team/spider-flow.git
  
# 或者加个代理
git clone https://ghproxy.com/github.com/ssssssss-team/spider-flow.git
  
# 进入目录  
cd spider-flow

# 将 Dockerfile 放入当前目录
  
# 构建镜像
docker build -t wbsu2003/spider-flow:v1 .

数据库设置

本文老苏演示了 2 种数据库安装方式：

一种是采用了群晖自带的 MariaDB 10，对于群晖用户来说，会节省一点点空间；

另一种是独立安装数据库，docker-compose 安装就采用了这种方式，更适合非群晖用户使用；

导入脚本

首先要下载 SQL 文件来完成数据库的初始化，不管采用上面方式，这一步都是必不可少的

SQL 文件的下载地址：https://github.com/ssssssss-team/spider-flow/blob/master/db/spiderflow.sql

在 phpMyAdmin 中 导入 下载的 spiderflow.sql

导入成功

创建用户

接下来在 phpMyAdmin 中创建名为 spiderflow 的用户

为便于说明，假设数据库密码为 123456

往常我们会勾选 创建与用户同名的数据库并授予所有权限，但这次没有，因为数据库已经通过 spiderflow.sql 建好了

这次只是单纯的建了用户

所以我们还需要给用户操作对应的数据库的权限，找到 spiderflow 库

勾选 全选

所以根据上面的设置，最后得到的数据库相关的参数如下：

数据库主机：192.168.0.197，与群晖主机 IP 一致；
数据库端口：3307；
数据库用户：spiderflow；
数据库密码：123456；
数据库库名：spiderflow；

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 spider-flow ，选择第三个 wbsu2003/spider-flow，版本选择 latest。

端口

本地端口不冲突就行，不确定的话可以用命令查一下

1 2	# 查看端口占用 netstat -tunlp \| grep 端口号

本地端口	容器端口
`3818`	`8088`

环境

可变	值
`SPRING_DATASOURCE_DRIVER-CLASS-NAME`	数据库类型
`SPRING_DATASOURCE_USERNAME`	数据库用户
`SPRING_DATASOURCE_PASSWORD`	数据库密码
`SPRING_DATASOURCE_URL`	数据库地址

SPRING_DATASOURCE_DRIVER-CLASS-NAME：因为使用的是 MySQL或者 MariaDB，所以设为 com.mysql.jdbc.Driver；
SPRING_DATASOURCE_USERNAME：按前面的设置，应该为 spiderflow；
SPRING_DATASOURCE_PASSWORD：按前面的设置，应该为 123456；
SPRING_DATASOURCE_URL：是一个由多个参数拼接出来的地址，jdbc:mysql://<数据库IP>:<数据库端口>/<数据库库名>?useSSL=false&useUnicode=true&characterEncoding=UTF8&autoReconnect=true，所以这里应该是 jdbc:mysql://192.168.0.197:3307/spiderflow?useSSL=false&useUnicode=true&characterEncoding=UTF8&autoReconnect=true

更多的环境变量可以参考 application.properties 文件：https://github.com/ssssssss-team/spider-flow/blob/master/spider-flow-web/src/main/resources/application.properties

命令行安装

docker cli 安装

如果你熟悉命令行，可能用 docker cli 更快捷

# 运行容器
docker run -d \
   --name spider-flow \
   -p 3818:8088 \
   -e SPRING_DATASOURCE_DRIVER-CLASS-NAME=com.mysql.jdbc.Driver \
   -e SPRING_DATASOURCE_USERNAME=spiderflow \
   -e SPRING_DATASOURCE_PASSWORD=123456 \
   -e SPRING_DATASOURCE_URL="jdbc:mysql://192.168.0.197:3307/spiderflow?useSSL=false&useUnicode=true&characterEncoding=UTF8&autoReconnect=true" \
   wbsu2003/spider-flow

docker-compose 安装

也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

这里使用了独立的 MySQL 数据库容器，而不是群晖自带的 MariaDB

version: '3'

services:
  spider-flow:
    image: wbsu2003/spider-flow
    container_name: spider-flow
    restart: always
    ports:
      - 3818:8088
    environment:
      - SPRING_DATASOURCE_DRIVER-CLASS-NAME=com.mysql.jdbc.Driver
      - SPRING_DATASOURCE_USERNAME=root
      - SPRING_DATASOURCE_PASSWORD=123456
      - SPRING_DATASOURCE_URL=jdbc:mysql://spider-mysql/spiderflow?useSSL=false&useUnicode=true&characterEncoding=UTF8&autoReconnect=true&allowPublicKeyRetrieval=true
    depends_on:
      - spider-mysql

  spider-mysql:
    image: mysql:8.0
    container_name: spider-mysql
    restart: always
    volumes:
      - ./data:/var/lib/mysql
      - ./sql:/docker-entrypoint-initdb.d:ro
    environment:
      - MYSQL_ROOT_PASSWORD=123456
      - LANG=C.UTF-8
      - LC_ALL=C.UTF-8
      - TZ=Asia/Shanghai
      - MYSQL_INITDB_SKIP_TZINFO=true
    command: --character-set-server=utf8mb4 --collation-server=utf8mb4_unicode_ci

因为使用了 mysql:8.0，相比前面的 SPRING_DATASOURCE_URL，这里新增了 AllowPublicKeyRetrieval=True ，为 允许客户端自动从服务器请求公钥，否则数据库连接会被拒绝

然后执行下面的命令

# 新建文件夹 spiderflow 和 子目录
mkdir -p /volume1/docker/spiderflow/{data,sql}

# 进入 spiderflow 目录
cd /volume1/docker/spiderflow

# 将 docker-compose.yml 放入当前目录
# 将 spiderflow.sql 放入 /sql 目录

# 一键启动
docker-compose up -d

根目录下文件

sql 目录下文件

运行

在浏览器中输入 http://群晖IP:3818 就能看到主界面

测试可以试试第三个 抓取每日菜价

具体使用方法，网上搜搜一大把，这里就略过了

参考文档

ssssssss-team/spider-flow: 新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。
地址：https://github.com/ssssssss-team/spider-flow

spider-flow: 新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。
地址：https://gitee.com/ssssssss-team/spider-flow