Python-- scrapy-shell学习笔记

 目录

scrapy-shell

1.启动

2.response

3.selector

4.练习 （自己做的小练习，获取招聘网站的信息）

---

scrapy-shell

官方文档：https://scrapy-chs.readthedocs.io/zh_CN/latest/topics/shell.html

Scrapy终端是一个交互终端，我们可以在未启动spider的情况下尝试及调试代码，也可以用来测试XPath或CSS表达式，查看他们的工作方式，方便我们爬取的网页中提取的数据。

如果安装了 IPython ，Scrapy终端将使用 IPython (替代标准Python终端)。 IPython 终端与其他相比更为强大，提供智能的自动补全，高亮输出，及其他特性。（推荐安装IPython）

1.启动

 

• Linux： ctr+T,打开终端，然后输入scrapy shell "url:xxxx"
• windows: scrapy shell "url:xxx"
• 启动后自动下载指定url的网页
• 下载完成后，url的内容保存在response的变量中，如果需要，我们需要调用response

        Scrapy Shell根据下载的页面会自动创建一些方便使用的对象，例如 Response 对象，以及 Selector 对象 (对HTML及XML内容)。

• 当shell载入后，将得到一个包含response数据的本地 response 变量，输入
• response.body将输出response的包体，输出 response.headers 可以看到response的包头。
• 输入 response.selector 时， 将获取到一个response 初始化的类 Selector 的对象，此时可以通过使用
• response.selector.xpath()或response.selector.css() 来对 response 进行查询。
• Scrapy也提供了一些快捷方式, 例如 response.xpath()或response.css()同样可以生效（如之前的案例）。

2.response

• 爬取到的内容保存在response中给
• response.body是网页的代码
• resposne.headers是返回的http的头信息
• response.xpath（）允许使用xpath语法选择内容
• response.css()允许使用css语法选区内容

3.selector

Scrapy Selectors 内置 XPath 和 CSS Selector 表达式机制

Selector有四个基本的方法，最常用的还是xpath:

• xpath(): 传入xpath表达式，返回该表达式所对应的所有节点的selector list列表
• extract(): 序列化该节点为Unicode字符串并返回list
• css(): 传入CSS表达式，返回该表达式所对应的所有节点的selector list列表，语法同 BeautifulSoup4
• re(): 根据传入的正则表达式对数据进行提取，返回Unicode字符串list列表

selector ：

• 选择器，允许用户使用选择器来选择自己想要的内容
• response.selector.xpath: response.xpath是selector.xpath的快捷方式
• response.selector.css: response.css是他的快捷方式
• selector.extract:把节点的内容用unicode形式返回
• selector.re:允许用户通过正则选区内容

4.练习 （自己做的小练习，获取招聘网站的信息）

1.首先进入猎聘网，搜索Python，按F12出现如下界面

 

 2.查找岗位的连接所在位置

3.启动shell

出现如下信息表示成功：

4.根据连接所在位置进行查找（用到xpath的知识，xpath教程http://www.w3schools.com/XPath/default.asp）

输出查看结果：