python爬虫scrapy命令工具学习之篇三

Posted 2020-09-09

命令行工具(Command line tools)

全局命令

• startproject
• settings
• runspider
• shell
• fetch
• view
• version

项目命令

• crawl
• check
• list
• edit
• parse
• genspider
• deploy
• bench

1、创建爬虫工程的命令

scrapy startproject myproject

2、控制项目创建一个spider

scrapy genspider mydomain mydomain.com

3、使用爬虫进行爬去

$ scrapy crawl myspider

4、进行contract检查

$ scrapy check -l

5、列出当前项目中所有可用的spider。每行输出一个spider

$ scrapy list

6、使用 EDITOR 中设定的编辑器编辑给定的spider

$ scrapy edit spider1

7、使用Scrapy下载器(downloader)下载给定的URL，并将获取到的内容送到标准输出。

该命令以spider下载页面的方式获取页面。例如，如果spider有 USER_AGENT 属性修改了 User Agent，该命令将会使用该属性。

因此，您可以使用该命令来查看spider如何获取某个特定页面。

该命令如果非项目中运行则会使用默认Scrapy downloader设定。

• 语法: scrapy fetch <url>

$ scrapy fetch --nolog http://www.example.com/some/page.html

8、在浏览器中打开给定的URL

• 语法: scrapy view <url>
• 在浏览器中打开给定的URL，并以Scrapy spider获取到的形式展现。 有些时候spider获取到的页面和普通用户看到的并不相同。 因此该命令可以用来检查spider所获取到的页面，并确认这是您所期望的。

$ scrapy view http://www.example.com/some/page.html

9、shell命令

在spider的开发调试过程总，shell命令可以通过交互的方式进行调试，非常方便。

以给定的URL(如果给出)或者空(没有给出URL)启动Scrapy shell。 查看 Scrapy终端(Scrapy shell) 获取更多信息。

 

$ scrapy shell http://www.example.com/some/page.html

10、parse命令

• 语法: scrapy parse <url> [options]
• 获取给定的URL并使用相应的spider分析处理。如果您提供 --callback 选项，则使用spider的该方法处理，否则使用 parse 。

支持的选项:

• --spider=SPIDER: 跳过自动检测spider并强制使用特定的spider
• --a NAME=VALUE: 设置spider的参数(可能被重复)
• --callback or -c: spider中用于解析返回(response)的回调函数
• --pipelines: 在pipeline中处理item
• --rules or -r: 使用 CrawlSpider 规则来发现用来解析返回(response)的回调函数
• --noitems: 不显示爬取到的item
• --nolinks: 不显示提取到的链接
• --nocolour: 避免使用pygments对输出着色
• --depth or -d: 指定跟进链接请求的层次数(默认: 1)
• --verbose or -v: 显示每个请求的详细信息

$ scrapy parse http://www.example.com/ -c parse_item

11、settings

• 语法: scrapy settings [options]

  获取Scrapy的设定

  在项目中运行时，该命令将会输出项目的设定值，否则输出Scrapy默认设定。

  $ scrapy settings --get BOT_NAME
  scrapybot
  $ scrapy settings --get DOWNLOAD_DELAY
  0

  12、runspider

• 在未创建项目的情况下，运行一个编写在Python文件中的spider。
• 语法: scrapy runspider <spider_file.py>

$ scrapy runspider myspider.py

13、其他命令

version：

• 语法: scrapy version [-v]
• 输出Scrapy版本。配合 -v 运行时，该命令同时输出Python, Twisted以及平台的信息，方便bug提交。

deploy

• 将项目部署到Scrapyd服务。查看 部署您的项目 。
• 语法: scrapy deploy [ <target:project> | -l <target> | -L ]

bench

• 运行benchmark测试。 Benchmarking 。
• 语法: scrapy bench

14、自定义项目命令

可以通过 COMMANDS_MODULE 来添加您自己的项目命令。您可以以 scrapy/commands 中Scrapy commands为例来了解如何实现您的命令。

COMMANDS_MODULE

Default: ‘‘ (empty string)

用于查找添加自定义Scrapy命令的模块。