当前位置 : 主页 > 网页制作 > html >

web爬虫讲解—Scrapy框架爬虫—Scrapy安装—Scrapy指令

来源:互联网 收集:自由互联 发布时间:2021-06-12
Scrapy框架安装 1、首先,终端执行命令升级pip: python -m pip install --upgrade pip 2、安装,wheel(建议网络安装) pip install wheel 3、安装,lxml(建议下载安装) 4、安装,Twisted(建议下载安装) 5、安装
Scrapy框架安装

1、首先,终端执行命令升级pip: python -m pip install --upgrade pip
2、安装,wheel(建议网络安装) pip install wheel
3、安装,lxml(建议下载安装)
4、安装,Twisted(建议下载安装)
5、安装,Scrapy(建议网络安装) pip install Scrapy

测试Scrapy是否安装成功

web爬虫讲解—Scrapy框架爬虫—Scrapy安装—Scrapy指令

Scrapy框架指令

scrapy -h 查看帮助信息

Available commands:
  bench       Run quick benchmark test (scrapy bench 硬件测试指令,可以测试当前服务器每分钟最多能爬多少个页面)
  fetch       Fetch a URL using the Scrapy downloader (scrapy fetch http://www.iqiyi.com/ 获取一个网页html源码)
  genspider      Generate new spider using pre-defined templates ()
  runspider      Run a self-contained spider (without creating a project) ()
  settings      Get settings values ()
  shell         Interactive scraping console ()
  startproject     Create new project (cd 进入要创建项目的目录,scrapy startproject 项目名称 ,创建scrapy项目)
  version       Print Scrapy version ()
  view        Open URL in browser, as seen by Scrapy ()

创建项目以及项目说明

scrapy startproject adc 创建项目

项目说明

目录结构如下:

├── firstCrawler

│ ├── init.py

│ ├── items.py

│ ├── middlewares.py

│ ├── pipelines.py

│ ├── settings.py

│ └── spiders

│ └── init.py

└── scrapy.cfg

  • scrapy.cfg: 项目的配置文件
  • tems.py: 项目中的item文件,用来定义解析对象对应的属性或字段。
  • pipelines.py: 负责处理被spider提取出来的item。典型的处理有清理、 验证及持久化(例如存取到数据库)
  • settings.py: 项目的设置文件.
  • spiders:实现自定义爬虫的目录
  • middlewares.py:Spider中间件是在引擎及Spider之间的特定钩子(specific hook),处理spider的输入(response)和输出(items及requests)。 其提供了一个简便的机制,通过插入自定义代码来扩展Scrapy功能。

web爬虫讲解—Scrapy框架爬虫—Scrapy安装—Scrapy指令

项目指令

项目指令是需要cd进入项目目录执行的指令

scrapy -h 项目指令帮助

Available commands:
  bench      Run quick benchmark test
  check      Check spider contracts
  crawl     Run a spider
  edit      Edit spider
  fetch      Fetch a URL using the Scrapy downloader
  genspider   Generate new spider using pre-defined templates
  list        List available spiders
  parse      Parse URL (using its spider) and print the results
  runspider    Run a self-contained spider (without creating a project)
  settings    Get settings values
  shell      Interactive scraping console
  startproject   Create new project
  version   Print Scrapy version (scrapy version 查看scrapy版本信息)
  view     Open URL in browser, as seen by Scrapy (scrapy view http://www.zhimaruanjian.com/ 下载一个网页并打开)

创建爬虫文件

创建爬虫文件是根据scrapy的母版来创建爬虫文件的

scrapy genspider -l 查看scrapy创建爬虫文件可用的母版

Available templates:母版说明
  basic     创建基础爬虫文件

  crawl     创建自动爬虫文件
  csvfeed   创建爬取csv数据爬虫文件

  xmlfeed    创建爬取xml数据爬虫文件

创建一个基础母版爬虫,其他同理

scrapy genspider -t 母版名称 爬虫文件名称 要爬取的域名 创建一个基础母版爬虫,其他同理
如:scrapy genspider -t basic pach baidu.com

web爬虫讲解—Scrapy框架爬虫—Scrapy安装—Scrapy指令

scrapy check 爬虫文件名称 测试一个爬虫文件是否合规
如:scrapy check pach

web爬虫讲解—Scrapy框架爬虫—Scrapy安装—Scrapy指令

如果你依然在编程的世界里迷茫,可以加入我们的Python学习扣qun:784758214,看看前辈们是如何学习的。交流经验。从基础的python脚本到web开发、爬虫、django、数据挖掘等,零基础到项目实战的资料都有整理。送给每一位python的小伙伴!分享一些学习的方法和需要注意的小细节,点击加入我们的 python学习者聚集地

scrapy crawl 爬虫名称 执行爬虫文件,显示日志 【重点】

scrapy crawl 爬虫名称 --nolog 执行爬虫文件,不显示日志【重点】

网友评论