Scrapy 命令行工具

花阴偷移

于 2022-12-26 12:10:00 发布

阅读量47

点赞数

文章标签： scrapy

本文链接：https://blog.csdn.net/weixin_43394129/article/details/132487352

版权

1.Scrapy是通过 scrapy命令行工具控制的，Scrapy 工具提供了多个命令，用于多种用途，每个命令都接受一组不同的参数和选项。

2.配置设置

　　scrapy.cfg 文件位置：

　　1)系统级的位置：我这里是在D:\Users\AndyH\AppData\Local\Programs\Python\Python310\Lib\site-packages\scrapy\templates\project\scrapy.cfg 中。是用于全局的。

　　2)每个项目的根目录：如 F:\python_work\scrapy_Sample\tutorial\scrapy.cfg

　　项目级的优先级最高

3.scrapy项目的默认结构

　　虽然可以修改目录，但所有scrapy项目默认具有相同的文件结构，类似于：

　　所有爬取业务放在spiders文件夹下。scrapy.cfg称为项目根目录。该文件包含定义项目设置的 python 模块的名称。如：

4.使用scrapy工具

　　可以先运行不带参数的scrapy工具，它将打印一些使用帮助和可用命令：

　　　scrapy命令: 有项目内部运行的命令(仅限项目的命令)，有项目外部运行的命令(全局命令),下面详细介绍。

　　　通过scrapy <command> -h 可以查看某个命令的更多信息

　　　通过scrapy -h 可以查看可用的所有命令

　　1) startproject 全局命令

　　　　使用scrapy工具做的第一件事就是创建项目，这将在project_dir目录下创建一个scrapy项目

scrapy startproject myproject [project_dir]

　　2)genspider 全局命令

　　　　从字面解释是：生成一个新的爬虫预定义模板。在tutorial爬虫项目目录下，vs code终端运行下面命令，生成一个baidu.py的爬取文件。　　

PS F:\python_work\scrapy_Sample\tutorial> scrapy genspider baidu  baidu.com       
Created spider 'baidu' using template 'basic' in module:
  tutorial.spiders.baidu

　　　　baidu.py自动生成在spiders文件夹下，并生成代码，如下所示：

　　　　下面是生成模板的选项，上面默认生成的是basic模板。

PS F:\python_work\scrapy_Sample\tutorial> scrapy genspider -l
Available templates:
  basic
  crawl
  csvfeed
  xmlfeed

　　3)crawl 内部命令

　　　　代表运行一个爬虫， quotes是项目爬取标识，项目中每一个爬取文件的name是唯一的。如quotes_spider.py的爬取标识为name=”quotes“

PS F:\python_work\scrapy_Sample\tutorial> scrapy crawl quotes

　　4)check 内部命令

　　　　检查一个爬虫

PS F:\python_work\scrapy_Sample\tutorial> scrapy check quotes

　　5)list 内部命令

　　　　列出当前项目可用的爬虫

PS F:\python_work\scrapy_Sample\tutorial> scrapy list   
baidu
quotes

　　6)fetch(外部命令)

　　　　使用scrapy下载器下载给定的url,并将内容写入标准输出。

　　　　爬取内容输出命令如下：

PS F:\python_work\scrapy_Sample\tutorial> scrapy fetch --nolog http://www.example.com/some/page.html
<!doctype html>
<html>
<head>
    <title>Example Domain</title>

    <meta charset="utf-8" />
    <meta http-equiv="Content-type" content="text/html; charset=utf-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1" />
    <style type="text/css">
    body {
        background-color: #f0f0f2;
        margin: 0;
        padding: 0;
        font-family: -apple-system, system-ui, BlinkMacSystemFont, "Segoe UI", "Open Sans", "Helvetica Neue", Helvetica, Arial, sans-serif;

    }
    div {
        width: 600px;
        margin: 5em auto;
        padding: 2em;
        background-color: #fdfdff;
        border-radius: 0.5em;
        box-shadow: 2px 3px 7px 2px rgba(0,0,0,0.02);
    }
    a:link, a:visited {
        color: #38488f;
        text-decoration: none;
    }
    @media (max-width: 700px) {
        div {
            margin: 0 auto;
            width: auto;
        }
    }
    </style>
</head>

<body>
...

　　　　下面命令是打印响应的http 头，则不是响应的正文

PS F:\python_work\scrapy_Sample\tutorial>  scrapy fetch --nolog --headers http://www.example.com/
> Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
> Accept-Language: en
> User-Agent: Scrapy/2.6.1 (+https://scrapy.org)
> Accept-Encoding: gzip, deflate
>
< Content-Length: 648
< Age: 536398
< Cache-Control: max-age=604800
< Content-Type: text/html; charset=UTF-8
< Date: Fri, 17 Jun 2022 11:51:11 GMT
< Etag: "3147526947+gzip"
< Expires: Fri, 24 Jun 2022 11:51:11 GMT
< Last-Modified: Thu, 17 Oct 2019 07:18:26 GMT
< Server: ECS (sab/57A7)
< Vary: Accept-Encoding
< X-Cache: HIT

　　　　下面使用指定的爬虫名( --spider=quotes)，下载给定的url,并将内容写入标准输出

PS F:\python_work\scrapy_Sample\tutorial> scrapy fetch --spider=quotes  http://www.example.com/some/page.html

　　7)view 外部命令

　　　　输入下面的命令，会打开一个浏览器并显示访问的页面

PS F:\python_work\scrapy_Sample\tutorial> scrapy view http://www.example.com/some/page.html

　　　　下面使用指定的爬虫名( --spider=quotes)，会打开一个浏览器并显示访问的页面

PS F:\python_work\scrapy_Sample\tutorial> scrapy view --spider=quotes  http://www.example.com/some/page.html

　　8) shell 外面命令

PS F:\python_work\scrapy_Sample\tutorial>  scrapy shell http://www.example.com/some/page.html

　　通过shell命令请求Uri后，可以继续如 "提取数据"

In [1]: response.css('title')
Out[1]: [<Selector xpath='descendant-or-self::title' data='<title>Example Domain</title>'>]

In [2]: exit()

　　如果uri 中含有&字符，需要用双引号，如下所示：

PS F:\python_work\scrapy_Sample\tutorial>  scrapy shell "https://www.futureelectronics.cn/c/audio/products?q=%3Arelevance&text=&pageSize=25&page=1"

　　加-c参数评估

PS F:\python_work\scrapy_Sample\tutorial>  scrapy shell --nolog  http://www.example.com/  -c '(response.status, response.url)'
(200, 'http://www.example.com/')

　　9)parse 内部命令

　　　　获取给定的 URL 并使用处理它的蜘蛛解析它，使用与--callback选项一起传递的方法，或者parse如果没有给出。

　　　　下面是指定项目，调用指定的callback函数来解析(-c parse)

PS F:\python_work\scrapy_Sample\tutorial> scrapy parse --spider=quotes  http://www.example.com/ -c parse

　　10)runspider 外面命令

　　　　在 Python 文件中运行自包含的爬虫，而无需创建项目。

　　　　如下所示，到spiders目录下，直接用命令执行py文件

PS F:\python_work\scrapy_Sample\tutorial\tutorial\spiders> scrapy runspider baidu.py

　　11)version 外部命令

　　　　打印 Scrapy 版本。如果与它一起使用，-v它还会打印 Python、Twisted 和平台信息，这对于错误报告很有用。

PS F:\python_work\scrapy_Sample\tutorial\tutorial\spiders> scrapy version -v
Scrapy       : 2.6.1
lxml         : 4.9.0.0
libxml2      : 2.9.12
cssselect    : 1.1.0
parsel       : 1.6.0
w3lib        : 1.22.0
Twisted      : 22.4.0
Python       : 3.10.5 (tags/v3.10.5:f377153, Jun  6 2022, 16:14:13) [MSC v.1929 64 bit (AMD64)]
pyOpenSSL    : 22.0.0 (OpenSSL 3.0.3 3 May 2022)
cryptography : 37.0.2
Platform     : Windows-10-10.0.18362-SP0

参考文档：https://docs.scrapy.org/en/latest/topics/commands.html

花阴偷移

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Scrapy 命令行工具

1.Scrapy是通过 scrapy命令行工具控制的，Scrapy 工具提供了多个命令，用于多种用途，每个命令都接受一组不同的参数和选项。2.配置设置　　scrapy.cfg 文件位置：　　1)系统级的位置：我这里是在D:\Users\AndyH\AppData\Local\Programs\Python\Python310\Lib\site-packages\scrapy\templat...
复制链接

扫一扫