btlet.com DHT磁力 Go爬虫 PHP前端 Mysql+Sphinx Coreseek搜索

前段时间我们弄了btlike项目,但是后来停止更新了。 现在我们重新立了一个btlet的项目,大家有兴趣的话可以来看看。

演示地址:http://www.btlet.com

github地址:https://github.com/qsbaq/btlet.com

爬虫是Go写的,PHP部分基于Onethink PHP。

如果大家觉得项目好的话,记得赞助我们哦~

 

[title]VPS主机推荐:[/title]

Linode 月付5刀的套餐 日本东京2

Vultr 充5美元可以用5个月VPS 充值最高送100美元

老季常用国内/国外VPS推荐总结

[title]环境需求:[/title]

64位的系统版本( x64)

php >  5.3.0 mysql

[title]推荐PHP空间[/title]

2287空间:http://www.22g87.com

老季淘宝店:https://item.taobao.com/item.htm?id=41356970136

 

安装步骤:

[title]1、新建数据库 btlet ,导入 init.sql[/title]

[title]2、运行爬虫(爬虫可以分布在多台机器上同时运行,使用参数连接到指定数据库即可) , 参数详情:[/title]

-u=”btlet”                数据库用户名

-p=”laoji.org”         数据库密码

-h=”v.laoji.org”      数据库地址,默认是localhost

-d=”btlet”                数据库名

-P=”3306″               数据库端口,默认3306

Windows ( spider.exe-forwin 重命名为:spider.exe,可以先运行文件夹中的 cmd.bat ,然后运行一下命令):
spider.exe -u="数据库用户名" -p="数据库密码" -d="数据库名"
Linux ( spider-forlinux 重命名为:spider):
chmod +x spider    //第一次运行时需要添加可执行权限
./spider -u="数据库用户名" -p="数据库密码" -d="数据库名"
爬虫可以分散在N台机器上运行,只需指定数据库IP
-u="数据库用户名" -p="数据库密码" -d="数据库名" -h="数据库域名地址或IP"

注:爬虫必须在公网IP上运行,内网爬不到数据 Linux下同理,可以将爬虫挂在screen命令中运行。

Screen运行实例:
screen -S laoji
./spider -u="数据库用户名" -p="数据库密码" -d="数据库名"

等到开始跳出文字,刚开始的时候有些慢。直到出现下面内容: 2017/02/21 07:11:54 ed2bea744442aafd21102d6e2f5d52eb7d2973d4 2017/02/21 07:12:07 c26ede340f0f620dab01835f48177bbbfbf27dc0

切出Screen返回刚才的终端:

CTRL+A,d

具体Screen使用方法请看:Linux Screen 简单用法 图文教程

 

[title]3、上传文件到php空间中(空间必须支持 php-mysqli 扩展),并确保文件权限:[/title]

Runtime (Linux中确定权限为777:chmod 777 Runtime -R)

[title]4、配置php中的数据库文件:[/title]

将/Application/Common/Conf/config.sample.php重命名为: Application/Common/Conf/config.php,修改 第40行开始:

    /* 数据库配置 */
    'DB_TYPE'   => 'mysqli', // 数据库类型
    'DB_HOST'   => 'localhost', // 服务器地址
    'DB_NAME'   => 'btlet', // 数据库名
    'DB_USER'   => 'btlet', // 用户名
    'DB_PWD'    => 'laoji.org',  // 密码
    'DB_PORT'   => '3306', // 端口
    'DB_CHARSET' => 'utf8mb4',
    'DB_PREFIX' => 'laoji_', // 数据库表前缀

将/Application/User/Conf/config.sample.php重命名为:/Application/User/Conf/config.php。修改 第18行:

define('UC_DB_DSN', 'mysqli://数据库用户名:数据库密码@数据库地址:3306/数据库名'); // 数据库连接,使用Model方式调用API必须配置此项

[title]5、Rewrite 配置[/title]

nginx下配置Rewrite规则:

if (!-e $request_filename)        {
		rewrite ^/(.*)$ /index.php/$1;
}

 

Apache 环境下只需支持.htaccess即可。

<IfModule mod_rewrite.c>
  Options +FollowSymlinks
  RewriteEngine On

  RewriteCond %{REQUEST_FILENAME} !-d
  RewriteCond %{REQUEST_FILENAME} !-f
  RewriteRule ^(.*)$ index.php/$1 [QSA,PT,L]
</IfModule>

 

 

[title]6、前端php后台地址(请确保上面的rewrite已正常工作,否则无法打开后台)[/title]

/admin 默认

用户名:admin

默认密码:laoji.org

 

[title]7、Linux中每12小时,重启爬虫spider。我们把爬虫放在/root目录中[/title]

crontab -e

添加如下命令:

1 */6 * * * pkill spider ; cd /root && ./spider -u="btlet" -p="密码" -h="127.0.0.1" -d="btlet" >> /dev/null 2>&1 &

 

[title]8、设置每天爬取统计,同爬虫设置一样[/title]

chmod +x statistics        //首次运行时需要
./statistics -u="btlet" -p="jjjjjj" -h="127.0.0.1" -date="2017-02-16"
Linux 下 可以加入到crontab中,
0 */6 * * * cd /root && ./statistics -u="btlet" -p="jjjjjj" >> /dev/null

-date=”2017-02-16″   // 指定统计日期,如不带此参数默认统计昨天的数据

windows中可以加入到计划任务中。

 

[title]9、启用sphinx/coreseek搜索(可选项)[/title]

CoreSeek 中文搜索 安装教程

在crontab中添加coreseek定时重建索引任务:

crontab -e

0 */6 * * * /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/sphinx.conf --rotate --all >> /dev/null

 

[title]原生的sphinx教程,使用coreseek的不需要安装:[/title]

CentOS6.4 64位下安装sphinx及sphinx for php扩展

必须确定php环境已支持sphinx,在phpinfo中看到如下扩展:

 

配置sphinx.conf

vi /usr/local/sphinx/etc/sphinx.conf

#
# Minimal Sphinx configuration sample (clean, simple, functional)
#

source btlet
{
        type                    = mysql

        sql_host                = localhost
        sql_user                = btlet
        sql_pass                = laoji.org         #数据库密码
        sql_db                  = btlet
        sql_port                = 3306  # optional, default is 3306

        sql_query               = \
                SELECT id,name,infohash,files, UNIX_TIMESTAMP(update_time) AS update_time FROM laoji_infohash

#       sql_attr_uint           = id
        sql_attr_string         = name
        sql_attr_string         = infohash
        sql_field_string        = files
        sql_attr_timestamp      = update_time
}


index infohash
{
        source                  = btlet
        path                    = /usr/local/sphinx/var/data/hash
}



indexer
{
        mem_limit               = 128M
}


searchd
{
        listen                  = 9312
        listen                  = 9306:mysql41
        log                     = /usr/local/sphinx/var/log/searchd.log
        query_log               = /usr/local/sphinx/var/log/query.log
        read_timeout            = 5
        max_children            = 30
        pid_file                = /usr/local/sphinx/var/log/searchd.pid
        seamless_rotate         = 1
        preopen_indexes         = 1
        unlink_old              = 1
        workers                 = threads # for RT to work
        binlog_path             = /usr/local/sphinx/var/data
}

[title]配置PHP文件:[/title]

在php的配置文件中启用Application/Common/Conf/config.php

'USE_SPHINX' => true,

 

 

 

[title]常见问题:[/title]

  • bash: ./spider: cannot execute binary file

请检查系统版本是64位的( x64)版本。我们git包里只编译了X64的,X86的有环境的小伙伴可以自行编译。       大家有什么问题的话可以在这里留言或者加QQ群提问!

22 Replies to “btlet.com DHT磁力 Go爬虫 PHP前端 Mysql+Sphinx Coreseek搜索”

  1. 其实,我觉得,既然是爬虫和服务器分开的版本,建议你修改一下爬虫,让它可以在内网运行哦,我记得我以前见到过可以内网运行的爬虫,只要映射一下端口就可以了,毕竟,现在很大一部分的vps都是不允许爬虫运行的。 🙂

  2. 爬虫经常自动停了,如何解决? panic: Error 1406: Data too long for column ‘files’ at row 1

      1. 2G内存
        panic: Error 1366: Incorrect string value: ‘xD3xC5xD0xE3xB6xF9…’ for column ‘name’ at row 1
        爬蟲经常出现这样停止了。

          1. 把字符集统一改为utf8mb4,还是一样。这个是不是需要go里面进行字符的处理呢,

          2. panic: Error 1366: Incorrect string value: ‘xC1xEBxE8xE7xEDxE5…’ for column ‘name’ at row 1
            就是这样。编码都是统一的。这个是不是特殊字符引起的呢?

  3. panic: Error 1366: Incorrect string value: ‘xB7sxA7@37…’ for column ‘name’ at row 1
    博主爬虫遇到这样的情况如何解决?

发表评论

电子邮件地址不会被公开。 必填项已用*标注