scrapy项目的默认结构

在深入了解命令行工具及其子命令之前，让我们先了解Scrapy项目的目录结构。

虽然可以修改，但所有Scrapy项目默认情况下具有相同的文件结构，类似于：

scrapy.cfgmyproject/    __init__.py    items.py    pipelines.py    settings.py    spiders/        __init__.py        spider1.py        spider2.py        ...

其中，目录scrapy.cfg文件位于项目的根目录。该文件包含定义项目设置的python模块的名称。这里是一个例子：

[settings]default = myproject.settings

使用scrapy工具

您可以从运行没有参数的Scrapy工具开始，它将打印一些使用帮助和可用的命令：

直接在项目根目录的命令行输入：scrapy

会得到如下提示：

Scrapy 2.4.0 - no active projectUsage:  scrapy  [options] [args]Available commands:  bench         Run quick benchmark test  commands  fetch         Fetch a URL using the Scrapy downloader  genspider     Generate new spider using pre-defined templates  runspider     Run a self-contained spider (without creating a project)  settings      Get settings values  shell         Interactive scraping console  startproject  Create new project  version       Print Scrapy version  view          Open URL in browser, as seen by Scrapy  [ more ]      More commands available when run from project directoryUse "scrapy  -h" to see more info about a command 

创建项目

你通常用这个scrapy工具做的第一件事是创建你的Scrapy项目：

scrapy startproject myproject 

这将在该project_dir目录下创建一个Scrapy项目。如果project_dir没有指定，project_dir将会和myproject名称一样。

接下来，进入新的项目目录：

cd myproject

您可以使用scrapy命令从那里管理和控制您的项目。

创建爬虫

要创建一个新的爬虫：

scrapy genspider example example.com

通过上述命令创建了一个spider name为example的爬虫，start_urls为example.com的爬虫。

常用的工具命令

-h 帮助

此部分包含可用内置命令的列表，其中包含描述和一些用法示例。记住，您可以随时通过运行以下命令获得有关每个命令的更多信息：

scrapy  -h

你可以看到所有可用的命令：

scrapy -h

startproject

语法：

scrapy startproject <project_name> [project_dir]

在目录project_name下创建一个名为的Scrapy项目project_dir 。如果project_dir没有指定，project_dir将会和myproject名称一样。

用法示例：

$ scrapy startproject myproject

genspider 创建爬虫

语法：

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

在当前文件夹或当前项目的spiders文件夹中创建一个新的爬虫，如果从项目中调用。该参数设置为爬虫的name，而用于生成allowed_domains和start_urls爬虫的属性。

用法示例：

$ scrapy genspider example example.com使用基础模板创建一个名为 'example' 基础爬虫$ scrapy genspider -t crawl scrapyorg scrapy.org使用crawl模板创建一个名 'scrapyorg'的爬虫

这只是一个方便的快捷命令，用于创建基于预定义模板的爬虫，但当然不是唯一的方式来创建爬虫。您可以自己创建爬虫源代码文件，而不是使用此命令。

crawl 开始爬虫

语法：

scrapy crawl <spider>

使用爬虫开始爬行。

用法示例：

 scrapy crawl myspider 

list 列表

语法：

scrapy list

列出当前项目中的所有可用爬虫。每行输出一个爬虫。

用法示例：

scrapy listspider1spider2

fetch 获取

语法：

scrapy fetch <url>

使用Scrapy下载器下载给定的URL，并将内容写入标准输出。

这个命令的有趣的事情是它获取爬虫下载它的页面。例如，如果爬虫有一个USER_AGENT 属性覆盖用户代理，它将使用那个。

所以这个命令可以用来“看”你的爬虫如何获取一个页面。

如果在项目外部使用，将不应用特定的每个爬虫行为，它将只使用默认的Scrapy下载器设置。

支持的选项：

--spider=SPIDER：绕过爬虫自动检测和强制使用特定的爬虫

--headers：打印响应的HTTP头，而不是响应的正文--no-redirect：不遵循HTTP 3xx重定向（默认是遵循它们）

用法示例：

scrapy fetch --nolog http://www.example.com/some/page.html[ ... html 内容 ... ]scrapy fetch --nolog --headers http://www.example.com/{'Accept-Ranges': ['bytes'], 'Age': ['1263   '], 'Connection': ['close     '], 'Content-Length': ['596'], 'Content-Type': ['text/html; charset=UTF-8'], 'Date': ['Wed, 18 Aug 2010 23:59:46 GMT'], 'Etag': ['"573c1-254-48c9c87349680"'], 'Last-Modified': ['Fri, 30 Jul 2010 15:30:18 GMT'], 'Server': ['Apache/2.2.3 (CentOS)']}

view

语法:

scrapy view <url>

在浏览器中打开给定的URL，因为您的Scrapy爬虫会“看到”它。有时，爬虫会看到与普通用户不同的网页，因此可以用来检查爬虫“看到了什么”并确认它是您期望的。

支持的选项：

--spider=SPIDER：绕过爬虫自动检测和强制使用特定的爬虫

--no-redirect：不遵循HTTP 3xx重定向（默认是遵循它们）用法示例：

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

parse

语法：

scrapy parse <url> [options]

获取给定的URL并使用处理它的爬虫解析它，使用通过--callback选项传递的方法，或者parse如果没有给出。

支持的选项：

--spider=SPIDER：绕过爬虫自动检测和强制使用特定的爬虫

--a NAME=VALUE：set spider argument（可以重复）--callback或者-c：spider方法用作回调来解析响应--pipelines：通过管道处理项目--rules或者-r：使用CrawlSpider 规则来发现用于解析响应的回调（即，spider方法）--noitems：不显示已抓取的项目--nolinks：不显示提取的链接--nocolour：避免使用pygments来着色输出--depth或-d：请求应递归跟踪的深度级别（默认值：1）--verbose或-v：显示每个深度级别的信息用法示例：

scrapy parse http://www.example.com/ -c parse_item[ ... scrapy log lines crawling example.com spider ... ]>>> STATUS DEPTH LEVEL 1 <<<# Scraped Items  ------------------------------------------------------------[{'name': u'Example item', 'category': u'Furniture', 'length': u'12 cm'}]# Requests  -----------------------------------------------------------------[]

settings

语法：

scrapy settings [options]

获取Scrapy设置的值。

如果在项目中使用，它将显示项目设置值，否则将显示该设置的默认Scrapy值。

用法示例：

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

runspider

语法：

scrapy runspider <spider_file.py>

运行一个自包含在Python文件中的爬虫，而不必创建一个项目。

用法示例：

scrapy runspider myspider.py[...爬虫开始爬行...]

version

语法：

scrapy version [-v]

打印Scrapy版本。如果使用-v它也打印Python，Twisted和平台信息，这是有用的错误报告。

inke：https://www.jianshu.com/p/034444bc6ff7

- EOF -

推荐阅读  点击标题可跳转

web前端营 感谢关注

作者新号求关注 送电子书 送视频教程