学习了Streamlit了之后，可以尝试给自己的命令行小工具加一个简单的界面。

本篇总结了我改造自己的数据采集的工具时的一些经验。

1. 概要

与常规的程序相比，数据采集任务的特点很明显，比如它一般都是I/O密集型程序，涉及大量网络请求或文件读写，耗费的时间比较长；而且往往是按照一定的时间间隔周期性地执行。

这样的程序对交互性要求不高，所以我之前都是用命令行的方式来实现的。

命令行虽然完成采集的任务没有问题，但是采集程序多了之后，管理起来不太方便，

比如，需要查看某个采集程序的配置，或是查看采集程序的状态时，需要登录服务器的命令行页面去查看。

于是，自然就想到使用Streamlit来构造一个简单的界面，本来采集程序也是用Python编写的，

与Streamlit集成非常方便。

下面主要使用Streamlit完成以下功能：

1. 启动定时任务
2. 停止定时任务
3. 查看任务状态

2. 实现示例

数据集采集任务都是耗时比较长的，在命令行中无所谓，把定时任务放在一个无限循环中，

不断的去执行就行了。停止采集只要中断命令行（比如Ctrl+C）就行。

但是，在Streamlit中，不能被采集任务阻塞住页面，所以要用多线程或多进程的方式来启动。

因为不同的采集程序是独立的，所以下面的示例采用多进程的方式。

同时，通过Streamlit的session_state来存储采集程序的状态，从而实现控制采集程序启停的功能。

大致的结构如下：

具体代码如下，其中的采集程序是模拟的，主要是为了展示如何通过Streamlit App来控制其他任务的执行。

```python
import streamlit as st
import pandas as pd
import multiprocessing
import time

if "status01" not in st.session_state:
    st.session_state.status01 = False

if "status02" not in st.session_state:
    st.session_state.status02 = False


def spider01():
    """模拟数据采集01"""
    while True:
        print("数据采集01...")
        time.sleep(3)


def spider02():
    """模拟数据采集02"""
    while True:
        print("数据采集02...")
        time.sleep(3)


st.title("采集管理")

spider_data = pd.DataFrame(
    {
        "ID": [1, 2],
        "名称": ["采集01", "采集02"],
        "状态": [False, False],
    }
)

spiders = st.data_editor(
    spider_data,
    width=500,
    num_rows="dynamic",
    disabled=["ID", "名称"],
)

status01 = spiders.iloc[0, 2]
status02 = spiders.iloc[1, 2]

if status01 != st.session_state.status01:
    if status01:  # 启动
        print("启动采集01")
        spider01_proc = multiprocessing.Process(target=spider01)
        spider01_proc.daemon = True
        spider01_proc.start()
        st.session_state.proc01 = spider01_proc
    else:
        print("停止采集01")
        st.session_state.proc01.terminate()
        st.session_state.proc01.join()

    st.session_state.status01 = status01

if status02 != st.session_state.status02:
    if status02:  # 启动
        print("启动采集02")
        spider02_proc = multiprocessing.Process(target=spider02)
        spider02_proc.daemon = True
        spider02_proc.start()
        st.session_state.proc02 = spider02_proc
    else:
        print("停止采集02")
        st.session_state.proc02.terminate()
        st.session_state.proc02.join()

    st.session_state.status02 = status02
```

通过勾选状态 列的Checkbox来控制采集程序的启停，运行的日志如下：

```python
$  streamlit run .app.py

  You can now view your Streamlit app in your browser.

  Local URL: http://localhost:8501
  Network URL: http://192.168.0.6:8501

启动采集01
数据采集01...
数据采集01...
启动采集02
数据采集01...
数据采集02...
数据采集01...
数据采集02...
数据采集01...
数据采集02...
停止采集02
数据采集01...
停止采集01
```

3. 总结

通过Streamlit，可以快速的提供一个简单易用的数据采集控制界面。

上面使用sesstion来管理状态其实不太合理（重新打开浏览器session会丢失），使用sqlite之类的持久存储来保存更好。