Scrapy 教程(四)-命令

scrapy 没有界面，需要命令行来操作。

非常简单，总共也就十四五个命令，分为全局命令和项目命令。

全局命令

在哪都能用

常用命令

scrapy startproject name    创建项目/工程
scrapy genspider taobao taobao.com    创建爬虫

不太常用

查看爬虫配置/参数
scrapy settings --get  DOWNLOAD_DELAY    下载延迟
scrapy settings --get  BOT_NAME    爬虫名字
## 在项目运行时，输出项目设定值，否则输出 scrapy 的默认值，所以他既是全局命令，也是项目命令

启动爬虫
scrapy runspider scrapy_cn.py        执行爬虫脚本
scrapy crawl  spider    [这个也是启动爬虫，是项目命令，需要创建工程]

下载源码
# 看看有没有异步之类的
scrapy fetch https://hao.360.com/?llqxqd
scrapy fetch https://hao.360.com/?llqxqd >E:/3.html    下载并保存源码(WINDOWS)
scrapy view https://hao.360.com/?llqxqd    下载并直接用浏览器打开

shell 工具
scrapy shell https://hao.360.com/?llqxqd

版本查看
scrapy version

scrapy bench 用于 benchmark 测试，测试 scrapy 在硬件上的效率。

项目命令

在项目目录才能用

scrapy crawl  spider         启动爬虫（需要进入app目录）
scrapy check                   检测爬虫
scrapy list                       显示有多少爬虫（以name为准）

命令行参数

为了增强scrapy的灵活性，在命令行中可以设置参数，这使得构建好的爬虫能够执行不同的任务。

实例代码

def start_requests(self):
        url = 'http://lab.scrapyd.cn/'
        tag = getattr(self, 'tag', None)  # 获取tag值，也就是爬取时传过来的参数
        if tag is not None:  　　　　　　　　# 判断是否存在tag，若存在，重新构造url
            url = url + 'tag/' + tag  　　 # 构造url若tag=爱情，url= "http://lab.scrapyd.cn/tag/爱情"
        yield scrapy.Request(url, self.parse)  

命令行参数设置

scrapy crawl argsSpider -a tag=爱情

还有很多其他参数，不太常用，具体请百度。