本节包含可用内置命令的列表,其中包含说明和一些用法示例。请记住,您始终可以通过运行以获取有关每个命令的更多信息:

scrapy <command> -h

你可以看到所有可用的命令:

scrapy -h

有两种命令,一种只能在Scrapy项目内部工作(特定于项目的命令)和那些在没有活动的Scrapy项目(全局命令)的情况下工作的命令,尽管从项目内部运行时它们可能表现略有不同(因为他们会使用项目覆盖设置)。

全局命令:

仅限项目的命令:

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

startproject命令

project_nameproject_dir 目录下创建一个名为的新Scrapy项目。如果project_dir没有指定,project_dir将是相同的project_name

用法示例

$ scrapy startproject myproject

genspider

  • 句法: scrapy genspider [-t template] <name> <domain>
  • 需要项目:没有

spiders如果从项目内部调用,则在当前文件夹或当前项目的文件夹中创建新的蜘蛛。该<name>参数设置为蜘蛛name,而<domain>用于生成allowed_domainsstart_urls蜘蛛的属性。

用法示例

$ 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'

这只是一个方便的快捷方式命令,用于根据预定义的模板创建蜘蛛,但肯定不是创建蜘蛛的唯一方法。您可以自己创建蜘蛛源代码文件,而不是使用此命令。

抓取

  • 句法: scrapy crawl <spider>
  • 需要项目:是的

使用蜘蛛开始抓取。

用法示例

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

检查

  • 句法: scrapy check [-l] <spider>
  • 需要项目:是的

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

  • 句法: scrapy list
  • 需要项目:是的

列出当前项目中的所有可用蜘蛛。输出是每行一个蜘蛛

用法示例

$ scrapy list
spider1
spider2

编辑

  • 句法: scrapy edit <spider>
  • 需要项目:是的

使用EDITOR环境变量中定义的编辑器或(如果未设置)EDITOR设置编辑给定的蜘蛛

此命令仅作为最常见情况的便捷快捷方式提供,开发人员当然可以自由选择任何工具或IDE来编写和调试蜘蛛

用法示例

$ scrapy edit spider1

获取

  • 句法: scrapy fetch <url>
  • 需要项目:没有

使用Scrapy下载程序下载给定的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下载它的页面。例如,如果蜘蛛具有USER_AGENT 覆盖用户代理的属性,则它将使用该属性。

因此,此命令可用于“查看”您的蜘蛛如何获取某个页面。

如果在项目外部使用,则不会应用特定的每蜘蛛行为,它将仅使用默认的Scrapy下载程序设置。

支持的选项:

  • --spider=SPIDER:绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --headers:打印响应的HTTP标头而不是响应的正文
  • --no-redirect:不要遵循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 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)']}

视图

  • 句法: scrapy view <url>
  • 需要项目:没有

在浏览器中打开给定的URL,因为您的Scrapy蜘蛛会“看到”它。有时蜘蛛会看到不同于常规用户的页面,因此可以用来检查蜘蛛“看到”的内容并确认它是您所期望的。

支持的选项:

  • --spider=SPIDER:绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --no-redirect:不要遵循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 ... ]

外壳

  • 句法: scrapy shell [url]
  • 需要项目:没有

为给定的URL启动Scrapy shell(如果给定),如果没有给出URL,则为空。还支持UNIX样式的本地文件路径,相对于 ./../前缀或绝对文件路径。有关详细信息,请参阅Scrapy shell

支持的选项:

  • --spider=SPIDER:绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • -c code:评估shell中的代码,打印结果并退出
  • --no-redirect:不要遵循HTTP 3xx重定向(默认是遵循它们); 这只会影响您在命令行中作为参数传递的URL; 一旦进入shell,fetch(url)默认情况下仍会遵循HTTP重定向。

用法示例

$ 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

  • 句法: scrapy parse <url> [options]
  • 需要项目:是的

获取给定的URL并使用处理它的蜘蛛解析它,使用随--callback选项传递的方法,或者parse如果没有给出。

支持的选项:

  • --spider=SPIDER:绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --a NAME=VALUE:设置蜘蛛参数(可能重复)
  • --callback-c:用作解析响应的回调的spider方法
  • --meta-m:将传递给回调请求的其他请求元。这必须是有效的json字符串。示例:-meta ='{“foo”:“bar”}’
  • --pipelines:通过管道处理项目
  • --rules-r:使用CrawlSpider 规则来发现用于解析响应的回调(即蜘蛛方法)
  • --noitems:不显示刮下的物品
  • --nolinks:不显示提取的链接
  • --nocolour:避免使用pygments为输出着色
  • --depth-d:递归请求的深度级别(默认值:1)
  • --verbose-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  -----------------------------------------------------------------
[]

设置

  • 句法: scrapy settings [options]
  • 需要项目:没有

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。

用法示例

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

runspider

  • 句法: scrapy runspider <spider_file.py>
  • 需要项目:没有

在Python文件中运行自包含的蜘蛛,而无需创建项目。

用法示例

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

版本

  • 句法: scrapy version [-v]
  • 需要项目:没有

打印Scrapy版本。如果与-v它一起使用,还会打印Python,Twisted和Platform信息,这对于错误报告很有用。

测试

版本0.17中的新功能。

  • 句法: scrapy bench
  • 需要项目:没有

运行快速基准测试。基准测试

自定义项目命令

您还可以使用该COMMANDS_MODULE设置添加自定义项目命令 。有关如何实现命令的示例,请参阅scrapy /命令中的 Scrapy命令。

COMMANDS_MODULE

默认值:( ''空字符串)

用于查找自定义Scrapy命令的模块。这用于为Scrapy项目添加自定义命令。

例:

COMMANDS_MODULE = 'mybot.commands'

通过setup.py入口点注册命令

注意

这是一个实验性功能,请谨慎使用。

您还可以通过scrapy.commands在库setup.py 文件的入口点中添加一个部分来从外部库添加Scrapy命令 。

以下示例添加my_command命令:

from setuptools import setup, find_packages

setup(name='scrapy-mymodule',
  entry_points={
    'scrapy.commands': [
      'my_command=my_scrapy_module.commands:MyCommand',
    ],
  },
 )

 

评论被关闭。