scrapy 2.3 可用工具命令

可用工具命令

本節(jié)包含可用的內(nèi)置命令列表，其中包含說明和一些用法示例。記住，您可以通過運行以下命令獲取有關(guān)每個命令的更多信息：

scrapy <command> -h

您可以使用以下命令查看所有可用命令：

scrapy -h

有兩種命令，一種是只從零碎項目（特定于項目的命令）內(nèi)部工作的命令，另一種是不使用活動零碎項目（全局命令）的命令，盡管從項目內(nèi)部運行時它們的行為可能略有不同（因為它們將使用項目覆蓋設(shè)置）。

全局命令：

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

僅Project命令：

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

啟動項目

• Syntax： ?scrapy startproject <project_name> [project_dir]?
• 需要項目： no

創(chuàng)建一個名為 ?project_name? 下 ?project_dir? 目錄。如果 ?project_dir? 沒有指定， ?project_dir? 將與 ?project_name? .

使用實例：

$ scrapy startproject myproject

基因蜘蛛

• Syntax： ?scrapy genspider [-t template] <name> <domain>?
• 需要項目： no

在當(dāng)前文件夾或當(dāng)前項目的 ?spiders? 文件夾（如果從項目內(nèi)部調(diào)用）。這個 ?<name>? 參數(shù)設(shè)置為spider的 ?name? ，同時 ?<domain>? 用于生成 ?allowed_domains? 和 ?start_urls? 蜘蛛的屬性。

使用實例：

$ 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'

這只是一個基于預(yù)先定義的模板創(chuàng)建spider的快捷命令，但肯定不是創(chuàng)建spider的唯一方法。您可以自己創(chuàng)建蜘蛛源代碼文件，而不是使用這個命令。

爬行

• Syntax： ?scrapy crawl <spider>?
• 需要項目： yes

開始用蜘蛛爬行。

用法示例：

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

檢查

• Syntax： ?scrapy check [-l] <spider>?
• 需要項目： yes

運行合同檢查。

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?
• 需要項目： yes

列出當(dāng)前項目中所有可用的spider。每行輸出一個蜘蛛。

使用實例：

$ scrapy list
spider1
spider2

編輯

• Syntax： ?scrapy edit <spider>?
• 需要項目： yes

使用中定義的編輯器編輯給定的蜘蛛 EDITOR 環(huán)境變量或（如果未設(shè)置） ?EDITOR? 設(shè)置。

這個命令僅作為最常見情況下的快捷方式提供，開發(fā)人員當(dāng)然可以自由選擇任何工具或IDE來編寫和調(diào)試spider。

使用實例：

$ scrapy edit spider1

取來

• Syntax： ?scrapy fetch <url>?
• 需要項目： no

使用ScrapyDownloader下載給定的URL，并將內(nèi)容寫入標準輸出。

這個命令的有趣之處在于它獲取了蜘蛛如何下載它的頁面。例如，如果蜘蛛 ?USER_AGENT? 覆蓋用戶代理的屬性，它將使用該屬性。

所以這個命令可以用來“查看”蜘蛛如何獲取特定的頁面。

如果在項目之外使用，則不會應(yīng)用特定的每蜘蛛行為，它只會使用默認的scrapy下載器設(shè)置。

支持的選項：

• ?--spider=SPIDER? ：繞過Spider自動檢測并強制使用特定Spider
• ?--headers? ：打印響應(yīng)的HTTP頭而不是響應(yīng)的正文
• ?--no-redirect? ：不遵循HTTP 3xx重定向（默認為遵循它們）

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>?
• 需要項目： no

在瀏覽器中打開給定的URL，因為您的廢蜘蛛會“看到”它。有時候蜘蛛看到的頁面與普通用戶不同，所以這可以用來檢查蜘蛛“看到”什么，并確認它是你所期望的。

支持的選項：

• ?--spider=SPIDER? ：繞過Spider自動檢測并強制使用特定Spider
• ?--no-redirect：不遵循HTTP 3xx重定向（默認為遵循它們）

使用實例：

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

殼

• Syntax： ?scrapy shell [url]?
• 需要項目： no

為給定的URL（如果給定）啟動scrapy shell；如果沒有給定URL，則為空。還支持Unix風(fēng)格的本地文件路徑，無論是相對于 ./ 或 ../ 前綴或絕對文件路徑。見 Scrapy shell 更多信息。

支持的選項：

• ?--spider=SPIDER? ：繞過Spider自動檢測并強制使用特定Spider
• ?-c code? ：評估shell中的代碼，打印結(jié)果并退出
• ?--no-redirect? ：不遵循HTTP 3xx重定向（默認為遵循它們）；這只影響在命令行上作為參數(shù)傳遞的URL；一旦進入shell， ?fetch(url)? 默認情況下仍將遵循HTTP重定向。

使用實例：

$ 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]?
• 需要項目： yes

獲取給定的URL，并使用處理它的spider，使用 ?--callback? 選項，或 ?parse? 如果沒有給出。

支持的選項：

• ?--spider=SPIDER? ：繞過Spider自動檢測并強制使用特定Spider
• ?--a NAME=VALUE? ：set spider參數(shù)（可以重復(fù)）
• ?--callback? 或 ?-c? ：用作分析響應(yīng)的回調(diào)的spider方法
• ?--meta? 或 ?-m? ：將傳遞給回調(diào)請求的附加請求元。這必須是有效的JSON字符串。示例：--meta='“foo”：“bar”'
• ?--cbkwargs? ：將傳遞給回調(diào)的其他關(guān)鍵字參數(shù)。這必須是有效的JSON字符串。示例：--cbkwargs='“foo”：“bar”'
• ?--pipelines? ：通過管道處理項目
• ?--rules? 或 ?-r? 使用 ?CrawlSpider? 發(fā)現(xiàn)用于解析響應(yīng)的回調(diào)（即spider方法）的規(guī)則
• ?--noitems? ：不顯示爬取的項目
• ?--nolinks? ：不顯示提取的鏈接
• ?--nocolour? ：避免使用Pygments對輸出著色
• ?--depth? 或 ?-d? ：應(yīng)遞歸執(zhí)行請求的深度級別（默認值：1）
• ?--verbose? 或 ?-v? ：顯示每個深度級別的信息
• ?--output? 或 ?-o? ：將刮取的項目轉(zhuǎn)儲到文件2.3 新版功能.

使用實例：

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

設(shè)置

• Syntax： ?scrapy settings [options]?
• 需要項目： no

獲取 Scrapy 設(shè)置的值。

如果在項目中使用，它將顯示項目設(shè)置值，否則它將顯示該設(shè)置的默認 Scrapy 值。

示例用法：

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

運行蜘蛛

• Syntax： ?scrapy runspider <spider_file.py>?
• 需要項目： no

運行一個包含在python文件中的spider，而不必創(chuàng)建一個項目。

示例用法：

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

版本

• ?Syntax： scrapy version [-v]?
• 需要項目： no

打印殘缺版本。如果使用 ?-v? 它還打印python、twisted和platform信息，這對bug報告很有用。

長凳

• Syntax： ?scrapy bench?
• 需要項目： no

運行一個快速基準測試。 標桿管理 .