codecamp

scrapy 2.3 可用工具命令

可用工具命令

本节包含可用的内置命令列表,其中包含说明和一些用法示例。记住,您可以通过运行以下命令获取有关每个命令的更多信息:

scrapy <command> -h

您可以使用以下命令查看所有可用命令:

scrapy -h

有两种命令,一种是只从零碎项目(特定于项目的命令)内部工作的命令,另一种是不使用活动零碎项目(全局命令)的命令,尽管从项目内部运行时它们的行为可能略有不同(因为它们将使用项目覆盖设置)。

全局命令:

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

仅Project命令:

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

启动项目

  • Syntax: ​scrapy startproject <project_name> [project_dir]
  • 需要项目: no

创建一个名为 ​project_name​ 下 ​project_dir​ 目录。如果 ​project_dir​ 没有指定, ​project_dir​ 将与 ​project_name​ .

使用实例:

$ scrapy startproject myproject

基因蜘蛛

  • Syntax: ​scrapy genspider [-t template] <name> <domain>
  • 需要项目: no

在当前文件夹或当前项目的 ​spiders​ 文件夹(如果从项目内部调用)。这个 ​<name>​ 参数设置为spider的 ​name​ ,同时 ​<domain>​ 用于生成 ​allowed_domains​ 和 ​start_urls​ 蜘蛛的属性。

使用实例:

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

$ scrapy genspider example example.com
Created spider 'example' using template 'basic'

$ scrapy genspider -t crawl scrapyorg scrapy.org
Created spider 'scrapyorg' using template 'crawl'

这只是一个基于预先定义的模板创建spider的快捷命令,但肯定不是创建spider的唯一方法。您可以自己创建蜘蛛源代码文件,而不是使用这个命令。

爬行

  • Syntax: ​scrapy crawl <spider>
  • 需要项目: yes

开始用蜘蛛爬行。

用法示例:

$ scrapy crawl myspider
[ ... myspider starts crawling ... ]

检查

  • Syntax: ​scrapy check [-l] <spider>
  • 需要项目: yes

运行合同检查。

用法示例:

$ scrapy check -l
first_spider
  * parse
  * parse_item
second_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

列表

  • Syntax: ​scrapy list
  • 需要项目: yes

列出当前项目中所有可用的spider。每行输出一个蜘蛛。

使用实例:

$ scrapy list
spider1
spider2

编辑

  • Syntax: ​scrapy edit <spider>
  • 需要项目: yes

使用中定义的编辑器编辑给定的蜘蛛 EDITOR 环境变量或(如果未设置) ​EDITOR​ 设置。

这个命令仅作为最常见情况下的快捷方式提供,开发人员当然可以自由选择任何工具或IDE来编写和调试spider。

使用实例:

$ scrapy edit spider1

取来

  • Syntax: ​scrapy fetch <url>
  • 需要项目: no

使用ScrapyDownloader下载给定的URL,并将内容写入标准输出。

这个命令的有趣之处在于它获取了蜘蛛如何下载它的页面。例如,如果蜘蛛 ​USER_AGENT​ 覆盖用户代理的属性,它将使用该属性。

所以这个命令可以用来“查看”蜘蛛如何获取特定的页面。

如果在项目之外使用,则不会应用特定的每蜘蛛行为,它只会使用默认的scrapy下载器设置。

支持的选项:

  • --spider=SPIDER​ :绕过Spider自动检测并强制使用特定Spider
  • --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(默认为遵循它们)

用法示例:

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

$ 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)']}

看法

  • Syntax: ​scrapy view <url>
  • 需要项目: no

在浏览器中打开给定的URL,因为您的废蜘蛛会“看到”它。有时候蜘蛛看到的页面与普通用户不同,所以这可以用来检查蜘蛛“看到”什么,并确认它是你所期望的。

支持的选项:

  • --spider=SPIDER​ :绕过Spider自动检测并强制使用特定Spider
  • --no-redirect:不遵循HTTP 3xx重定向(默认为遵循它们)

使用实例:

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

  • Syntax: ​scrapy shell [url]
  • 需要项目: no

为给定的URL(如果给定)启动scrapy shell;如果没有给定URL,则为空。还支持Unix风格的本地文件路径,无论是相对于 ./ 或 ../ 前缀或绝对文件路径。见 Scrapy shell 更多信息。

支持的选项:

  • --spider=SPIDER​ :绕过Spider自动检测并强制使用特定Spider
  • -c code​ :评估shell中的代码,打印结果并退出
  • --no-redirect​ :不遵循HTTP 3xx重定向(默认为遵循它们);这只影响在命令行上作为参数传递的URL;一旦进入shell, ​fetch(url)​ 默认情况下仍将遵循HTTP重定向。

使用实例:

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

$ scrapy shell --nolog http://www.example.com/ -c '(response.status, response.url)'
(200, 'http://www.example.com/')

# shell follows HTTP redirects by default
$ scrapy shell --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(200, 'http://example.com/')

# you can disable this with --no-redirect
# (only for the URL passed as command line argument)
$ scrapy shell --no-redirect --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(302, 'http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F')

解析

  • Syntax: ​scrapy parse <url> [options]
  • 需要项目: yes

获取给定的URL,并使用处理它的spider,使用 ​--callback​ 选项,或 ​parse​ 如果没有给出。

支持的选项:

  • --spider=SPIDER​ :绕过Spider自动检测并强制使用特定Spider
  • --a NAME=VALUE​ :set spider参数(可以重复)
  • --callback​ 或 ​-c​ :用作分析响应的回调的spider方法
  • --meta​ 或 ​-m​ :将传递给回调请求的附加请求元。这必须是有效的JSON字符串。示例:--meta='“foo”:“bar”'
  • --cbkwargs​ :将传递给回调的其他关键字参数。这必须是有效的JSON字符串。示例:--cbkwargs='“foo”:“bar”'
  • --pipelines​ :通过管道处理项目
  • --rules​ 或 ​-r​ 使用 ​CrawlSpider​ 发现用于解析响应的回调(即spider方法)的规则
  • --noitems​ :不显示爬取的项目
  • --nolinks​ :不显示提取的链接
  • --nocolour​ :避免使用Pygments对输出着色
  • --depth​ 或 ​-d​ :应递归执行请求的深度级别(默认值:1)
  • --verbose​ 或 ​-v​ :显示每个深度级别的信息
  • --output​ 或 ​-o​ :将刮取的项目转储到文件2.3 新版功能.

使用实例:

$ 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  -----------------------------------------------------------------
[]

设置

  • Syntax: ​scrapy settings [options]
  • 需要项目: no

获取 Scrapy 设置的值。

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

示例用法:

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

运行蜘蛛

  • Syntax: ​scrapy runspider <spider_file.py>
  • 需要项目: no

运行一个包含在python文件中的spider,而不必创建一个项目。

示例用法:

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

版本

  • Syntax: scrapy version [-v]
  • 需要项目: no

打印残缺版本。如果使用 ​-v​ 它还打印python、twisted和platform信息,这对bug报告很有用。

长凳

  • Syntax: ​scrapy bench
  • 需要项目: no

运行一个快速基准测试。 标杆管理 .

scrapy 2.3 工具
scrapy 2.3 自定义项目命令
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

scrapy 2.3 链接提取器

scrapy 2.3 统计数据集合

scrapy 2.3 发送电子邮件

scrapy 2.3 蜘蛛合约

scrapy 2.3 如何部署蜘蛛

scrapy 2.3 AutoThrottle扩展

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }