Scrapy框架| 详解Scrapy的命令行工具

今天开始JAP君正式来写Python的Scrapy爬虫框架的系列教程了，我大部分内容会根据Scrapy的官方文档来的，并且会写一些实战项目来练手。之前的文章中我已经写过有scrapy的基本入门和两个小实战，大家可以去看看。

这篇文章我来写写Scrapy框架的命令行工具。接触过Scrapy的人都知道，我们很多操作是需要借助命令行来执行的，比如创建项目，运行爬虫等。所以了解和掌握这些命令对于scrapy的学习是很有帮助的！

2.Scrapy 命令

首先，在scrapy命令中分为两种，一个就是全局命令和项目命令，什么意思呢？简单粗暴的说就是有些命令你可以在你电脑任何地方用，有些命令只能在你自己的项目里面用。

下面给大家先看看所有的命令：

Global commands（全局命令）:

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

Project-only commands（项目命令）:

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

咱们一个一个来吧！

1. startproject

语法： scrapy startproject <project_name> [project_dir]

含义：创建一个新的Scrapy项目，名称为 project_name ，在project_dir目录下，如果目录不存在，那么目录就会变成项目名。

使用案例：

$ scrapy startproject myproject

2. genspider

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

含义：新建一个爬虫在当前文件夹或者在当前项目的爬虫文件夹中，如果是在一个项目当中，这个<name>参数将被当成爬虫的名字，然而<domain>将会被用来创建爬虫里面的 allowed_domains 和start_urls的属性值

使用案例：

$ scrapy genspider -l       
Available templates:
四种模板
  basic
  crawl
  csvfeed
  xmlfeed

$ scrapy genspider example example.com
创建example爬虫，并且默认使用basic模板

$ scrapy genspider -t crawl scrapyorg scrapy.org
创建scrapyorg模板，并且使用crawl模板

3.crawl

语法：scrapy crawl <spider>

含义：运行爬虫

使用案例：

$ scrapy crawl myspider

4. check

语法：scrapy check [-l] <spider>

含义：运行contract检查，检查你项目中的错误之处。

使用案例：

$ 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

5. list

语法：scrapy list

含义：列举出当前项目的爬虫

使用案例：

$ scrapy list
spider1
spider2

6. edit

语法：scrapy edit <spider>

含义：编辑爬虫代码，实际上就是vim模式，但是这种方式并不怎么好用，还不如用IDE去写爬虫。

使用案例：

$ scrapy edit spider1

7. fetch

语法：scrapy fetch <url>

含义：使用Scrapy下载器下载指定的URL，并将获得的内容输出，通俗的来说就是打印出网站的HTML源码。

使用实例：

$ scrapy fetch --nolog http://www.example.com/some/page.html
[ ... html content here ... ]

8.view

语法：scrapy view <url>

含义：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。

使用案例：

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

9.shell

语法：scrapy shell [url]

含义：启动Scrapy Shell 来打开url，可以进行一些测试

使用案例：

$ scrapy shell http://www.baidu.com
[ ... scrapy shell starts ... ]

10. parse

语法：scrapy parse <url> [options]

含义：输出格式化内容

Supported options:

• --spider=SPIDER: 自动检测爬虫、强制使用特定爬虫
• --a NAME=VALUE: 设置爬虫的参数（可重复）
• --callback or -c: 用作解析响应的回调的爬虫方法
• --meta or -m: 传递给回调请求的附加请求元。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 or -r: 使用crawlspider规则发现用于解析响应的回调（即spider方法）
• --noitems: 不显示items
• --nolinks: 不显示提取的链接
• --nocolour: 避免使用Pygments对输出着色
• --depth or -d: 递归执行请求的深度级别（默认值：1）
• --verbose or -v: 显示每个深度级别的信息

使用案例：

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

11.settings

语法：scrapy settings [options]

含义：拿到Scrapy里面的设置属性

使用案例：

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

12.runspider

语法：scrapy runspider <spider_file.py>

含义：运行一个含有爬虫的python文件，不需要是一个scrapy项目

使用案例：

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

13.version

语法：scrapy version [-v]

含义：查看Scrapy版本

使用案例：

scrapy version
Scrapy 1.6.0

14.bench

语法：scrapy bench

含义：测试电脑当前爬取速度性能

3.END

上面应该是全部的Scrapy 的命令语法了，我是根据官网上的来写得，所以应该是比较准确的，大家可以收藏这篇文章，不记得的时候可以拿出来看一看，反复记忆一下！