项目使用常见问题

1.问：项目部署好复杂啊，我也没有多台机器，我可以单机运行吗？

答：可以单节点运行。celery是去中心化的，如果由于硬件所限，你只有一台机器，也是可以直接按照本文档和项目中 的配置文档说明直接跑通该项目。关于项目使用的 问题都可以在issue中提出来。

2.关于redis的问题：为什么我在给redis设置密码后，并且把redis设置成了守护进程，但是没起作用？

答：如果在linux上面搭redis的话，当我们修改了redis.conf文件后，我们在启动redis的时候也需要指定redis.conf 文件，通过redis-server redis.conf来启动，注意redis-server和redis.conf的路径，这里为了方便，并未细化.

3.这个项目的模拟登陆和抓取的时候是怎么处理验证码的啊？

答：这个项目在模拟登陆阶段会判断账号是否需要验证码，对于需要验证码的账号，通过打码平台识别验证码进行 操作，我选择的是云打码；对于微博账号抓取的时候被封出现的验证码，目前的处理是从数据库和 redis中删除该账号对应的信息，因为要复现登录后被封需要一些时间来测试，并且某些情况下会验证手机，而某些情况只是识别验证码，这个 还需要进一步求证。

另外，我们应该尽量规避验证码，比如模拟登陆的时候尽量在账号常用地登录，还有一个点就是测试微博的容忍边界，小于它的阈值做采集 就不容易被封（不过速度很慢），毕竟按规矩来被封的风险要小得多。如果有图形图像识别的牛人解决了验证码的问题，欢迎提PR，帮助更多人。

4.这个项目能在windows上执行吗？

答：window上可以执行worker节点，但是不能执行beat节点（即定时任务）。如果要混用windows和linux，那么一定要将celery版本 降级为3.1.25，且将beat节点部署到linux服务器上。

5.这个项目一天能抓多少数据？

答：如果使用极速模式，3台机器每天可抓上百万的用户信息，可抓上千万的微博信息（如果用搜索来抓相关微博，达不到这个量，因为搜索接口 限制非常很严格），它的代价就是账号必然会被封，推荐在网上购买小号进行抓取。如果采用普通模式，那么三台机器每天可抓大概几万条用户 信息，账号较为安全。另外，还有一点是，微博搜索的限制比较严格，速度可能会比抓用户信息和抓用户主页微博慢，这点可能在后面会针对不同 需求的用户进行相应处理。

6.这个项目搜索抓到的数据怎么和手动搜索的数据量不一致？

答：不一致主要是因为搜索是用的高级搜索，默认只搜索原创微博，而用户手动去搜索是搜索的所有微博，包括转发的，所以数据量上会有出入， 如果要抓取所有微博，那么修改search模块的url和home模块中的home_url的值即可。

7.可以为这个项目做个web监控和管理页面吗？

答：其实这个需求不是必须的，并且flower已经提供了类似的功能了。使用flower，我们可以监控各个节点的健康状况，且可以看到执行的任务情况

8.为什么我通过执行celery -A tasks.workers worker -l info -c 1，并没有执行抓取？

上述命令如果执行成功，只是产生了一个worker，我们需要通过执行诸如python login_first.py这种语句，发任务给worker，它才会执行。除了这种方式，还可以通过定时功能来执行任务，定时功能第一次会延迟执行。

9.我通过celery -A tasks.workers worker -l info -c 1语句产生了worker，但是无法执行登录任务和抓取任务？

某些机器上，可能会出现bug，需要使用celery -A tasks.workers -Q login_queue,user_crawler worker -l info -c 1指定具体的task queue，所有task queue可以查看这里

10.执行celery -A tasks.workers worker -l info -c 1的时候，出现错误celery: command not found?

这个问题的原因是，shell并没找到celery这个命令，目前所知的有两种可能：（1）celery这个命令未加入环境变量；（2）当前用户权限不够，可以通过su切换到root用户去查看是否上述命令能执行成功，如果能，那么就需要使用chown或者chmod把celery这个可执行文件的权限改为普通用户可以使用，可以通过which celery查看celery可执行文件所在目录。如果不能通过这种方式找到celery可执行文件，那么可以通过sudo find / -name celery进行查找，然后将其加入环境变量。

注意：建议使用pip3 install -r requirements.txt而非pip install -r requirements.txt,原因是如果你的系统中存在python2，那么会导致所有依赖都装在python2上，而该项目只能在python3上工作。此外，更为推荐的一种方式是使用source env.sh通过虚拟环境来安装和管理所有依赖。

11.当我执行了celery -A tasks.workers worker -l info -c 1后，为什么程序没有执行登录和抓取？

当执行完该命令后，worker只是处理就绪状态，你需要发送命令让它执行你需要的任务，其中有两个途径可以达到这个目的，以登录和搜索为例

• 手动执行python login_first.py即发送登录任务让worker执行，执行python search_first.py即发送搜索任务让worker执行，注意他们的先后顺序
• 通过定时任务(只有linux支持)来达到这个目的,执行celery beat -A tasks.workers -l info

另外，还有别的原因，如程序并未获取到搜索关键词（可以追踪search_first.py,打印出keywords看是否为空）；还可能是你未通过-Q指定相关的queue。

12.用户关注和粉丝能爬完吗？（以及这一类的问题）

项目爬虫能爬的只有正常用户上网能用鼠标点击的内容，正常用户看不到的数据，爬虫也无法采集。所以粉丝和关注只能爬五页，其他的也是一样的答案。