Python网络爬虫之Scrapy常用命令

Posted 2020-10-26 Fate0729

scrapy全局命令

　　要想了解在scrapy中由哪些全局命令，可以在不进入scrapy爬虫项目目录的情况下运行scrapy -h

　　

（1） fetch命令

　　fetch命令主要用来显示爬虫爬取的过程，如果在scrapy项目目录之外使用该命令，则会调用scrapy默认的爬虫来进行网页的爬取，如果在scrapy的某个项目目录内使用该命令，则会调用该项目中的爬虫来进行网页的爬取

　　--headers 控制显示对象的爬虫爬取网站的头信息

　　--nolog 控制不显示日志信息

　　--logfile==FILE 存储日志文字信息

　　--spider=SPIDER 控制使用哪个爬虫

　　--loglevel=LEVEL控制日志级别

　　　　日志等级常见值：

　　　　　　CRITICAL 　　发生严重的错误

　　　　　　ERROR 　　   发生了必须立即处理的错误

　　　　　　WARNING        出现一些警告信息

　　　　　　INFO                输出一些提示信息

　　　　　　DEBUG            输出一些调试信息，常用于开发阶段

（2）runspider命令

　　可以实现不依托scrapy的爬虫项目，直接运行一个爬虫文件

　　该命令还没有理解，没看到parse()函数的打印信息

（3）setting命令

　　查看scrapy对应的配置信息，如果在项目目录内使用，查看的是对应项目的配置信息，如果在项目外使用查看的是scrapy默认配置信息

（4）shell命令

　　shell命令可以启动scrapy的交互终端，scrapy的交互终端经常在开发以及跳水的时候用到，使用scrapy的交互终端可以实现在不启动scrapy爬虫的情况下，对网站响应进行调试

　　

　　可以看到在执行命令后会出现可以使用的scarpy对象及快捷命令

（5）startproject命令

　　用于创建项目

　　scrapy startproject firstspider [parm]

（6）version命令

　　通过version命令可以直接显示scrapy的版本相关信息

（7）view命令

　　实现下载某个网页并用浏览器查看的功能

scrapy项目命令

（1）bench命令

　　使用bench命令可以测试本地硬件的性能，当我们允许scrapy bench的时候，会创建一个本地服务器并且会以最大的速度爬行，再次为了测试本地硬件的性能，避免过多的因素的影响，所有仅进行连接跟进，不进行内容的处理

　　单纯就硬件性能来说，显示每分钟大约能爬2400个网页，这是一个参考标准，在实际运行爬虫项目的时候，会由于各种因素导致速度不同，一般来说，可以根据实际运行的速度与该参考速度进行对比结果，从而对爬虫项目进行优化与改进

（2）genspider命令

　　创建爬虫文件，可以使用该命令的-l参数来查看当前可以使用的爬虫模板

　　

　　使用-t可以基于其中任意一个爬虫模板来生成一个爬虫文件

　　

　　这样会在example/spiders/country_test目录下生成country_test.py文件

　　

（3）check命令

　　在scrapy中使用check命令实现对某个爬虫文件进行合同（contract）检查

　　

（4）crawl命令

　　启动某个爬虫

　　scrapy crawl country_test --loglevel=DEBUG

（5）list命令

　　列出当前可以使用的爬虫文件

（6）edit命令

　　直接打开对应编辑器对爬虫文件进行编辑