码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫scrapy命令工具学习之篇三

时间:2017-04-11 01:19:46      阅读:313      评论:0      收藏:0      [点我收藏+]

标签:python爬虫   llb   项目部署   www   std   item   模块   编写   etc   

命令行工具(Command line tools)

全局命令

项目命令

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。

python爬虫scrapy命令工具学习之篇三

标签:python爬虫   llb   项目部署   www   std   item   模块   编写   etc   

原文地址:http://www.cnblogs.com/maxiaofang/p/6691498.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!