详解Scrapy的命令行工具

时间：2024-07-19 15:36:14

接触过Scrapy的人都知道，我们很多操作是需要借助命令行来执行的，比如创建项目，运行爬虫等。所以了解和掌握这些命令对于scrapy的学习是很有帮助的！

Scrapy 命令

首先，在scrapy命令中分为两种，一个就是全局命令和项目命令，什么意思呢？简单粗暴的说就是有些命令你可以在你电脑任何地方用，有些命令只能在你自己的项目里面用。

下面给大家先看看所有的命令：

Global commands（全局命令）:

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

Project-only commands（项目命令）:

  • crawl
  • check
  • list
  • edit
  • parse
  • bench

咱们一个一个来吧！

1. startproject

语法

scrapy startproject <project_name> [project_dir]

含义：创建一个新的Scrapy项目，名称为 project_name ，在project_dir目录下，如果目录不存在，那么目录就会变成项目名。

使用案例：

$ scrapy startproject myproject

2. genspider

语法

scrapy genspider [-t template] <name> <domain>

含义：新建一个爬虫在当前文件夹或者在当前项目的爬虫文件夹中，如果是在一个项目当中，这个<name>参数将被当成爬虫的名字，然而<domain>将会被用来创建爬虫里面的 allowed_domains 和start_urls的属性值

使用案例：

$ scrapy genspider -l       Available templates:四种模板  basic  crawl  csvfeed  xmlfeed

$ scrapy genspider example example.com创建example爬虫，并且默认使用basic模板

$ scrapy genspider -t crawl scrapyorg scrapy.org创建scrapyorg模板，并且使用crawl模板

3.crawl

语法

scrapy crawl <spider>

含义：运行爬虫

使用案例：

$ scrapy crawl myspider

4. check

语法

scrapy check [-l] <spider>

含义：运行contract检查，检查你项目中的错误之处。

使用案例：

$ scrapy check -lfirst_spider  * parse  * parse_itemsecond_spider  * parse  * parse_item

$ scrapy check[FAILED] first_spider:parse_item>>> 'RetailPricex' field is missing

[FAILED] first_spider:parse>>> Returned 92 requests, expected 0..4

5. list

语法：scrapy list

含义：列举出当前项目的爬虫

使用案例：

$ scrapy listspider1spider2

6. edit

语法：scrapy edit <spider>

含义：编辑爬虫代码，实际上就是vim模式，但是这种方式并不怎么好用，还不如用IDE去写爬虫。

使用案例：

$ scrapy edit spider1

7. fetch

语法：scrapy fetch <url>

含义：使用Scrapy下载器下载指定的URL，并将获得的内容输出，通俗的来说就是打印出网站的HTML源码。

使用实例：

$ scrapy fetch --nolog http://www.example.com/some/page.html[ ... html content here ... ]

8.view

语法：scrapy view <url>

含义：在你的默认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，一些动态加载的内容是看不到的， 因此该命令可以用来检查spider所获取到的页面。

使用案例：

$ scrapy view http://www.example.com/some/page.html[ ... browser starts ... ]

9.shell

语法：scrapy shell [url]

含义：启动Scrapy Shell 来打开url，可以进行一些测试

使用案例：

# 直接请求

scrapy shell http://www.baidu.com[ ... scrapy shell starts ... ]

# 加headers

scrapy shell

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.75 Safari/537.36"}

req = scrapy.Request(url="https://bbs.pinggu.org/thread-7866291-1-1.html", headers=headers)

fetch(req)

10. parse

语法：scrapy parse <url> [options]

含义：输出格式化内容

Supported options:

  • --spider=SPIDER: 自动检测爬虫、强制使用特定爬虫

  • --a NAME=VALUE: 设置爬虫的参数（可重复）

  • --callback or -c: 用作解析响应的回调的爬虫方法

  • --meta or -m: 传递给回调请求的附加请求元。必须是有效的JSON字符串。示例：–meta='“foo”：“bar”

  • --pipelines: 通过管道处理项目

  • --rules or -r: 使用crawlspider规则发现用于解析响应的回调（即spider方法）

  • --noitems: 不显示items

  • --nolinks: 不显示提取的链接

  • --nocolour: 避免使用Pygments对输出着色

  • --depth or -d: 递归执行请求的深度级别（默认值：1）

  • --verbose or -v: 显示每个深度级别的信息

使用案例：

$ scrapy parse http://www.example.com/ -c parse_item[ ... scrapy log lines crawling example.com spider ... ]

>>> STATUS DEPTH LEVEL 1 <<<# Scraped Items  ------------------------------------------------------------[{'name': 'Example item', 'category': 'Furniture', 'length': '12 cm'}]

# Requests  -----------------------------------------------------------------[]

11.settings

语法：scrapy settings [options]

含义：拿到Scrapy里面的设置属性

使用案例：

$ scrapy settings --get BOT_NAMEscrapybot$ scrapy settings --get DOWNLOAD_DELAY0

12.runspider

语法：scrapy runspider <spider_file.py>

含义：运行一个含有爬虫的python文件，不需要是一个scrapy项目

使用案例：

$ scrapy runspider myspider.py[ ... spider starts crawling ... ]

13.version

语法：scrapy version [-v]

含义：查看Scrapy版本

使用案例：

scrapy versionScrapy 1.6.0

14.bench

语法：scrapy bench

含义：测试电脑当前爬取速度性能

相关文章