Scrapy爬虫框架与常用命令

07.08自我总结

一.Scrapy爬虫框架

大体框架

2个桥梁

二.常用命令

全局命令

• startproject

  语法:scrapy startproject <project_name>

  这个命令是scrapy最为常用的命令之一，它将会在当前目录下创建一个名为<project_name>的项目。

• settings

  语法: scrapy settings [options]

  该命令将会输出Scrapy默认设定，当然如果你在项目中运行这个命令将会输出项目的设定值。

• runspider

  语法:scrapy runspider <spider_file.py>

  在未创建项目的情况下，运行一个编写在Python文件中的spider。

• shell

  语法: scrapy shell [url]

  以给定的URL(如果给出)或者空(没有给出URL)启动Scrapy shell。

  例如，

  scrapy shell http://www.baidu.com
  

  将会打开百度URL，

  并且启动交互式命令行，可以用来做一些测试。

• fetch

  语法:scrapy fetch <url>

  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。简单的来说，就是打印url的html代码。

• view

  语法:scrapy view <url>

  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。

• 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。

项目命令

• crawl

  语法:scrapy crawl <spider_name>

  使用你项目中的spider进行爬取，即启动你的项目。这个命令将会经常用到，我们会在后面的内容中经常使用。

• check

  语法: crapy check [-l] <spider>

  运行contract检查，检查你项目中的错误之处。

• list

  语法:scrapy list

  列出当前项目中所有可用的spider。每行输出一个spider。

• genspider

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

  在当前项目中创建spider。该方法可以使用提前定义好的模板来生成spider。您也可以自己创建spider的源码文件。