Scrapy - 命令行工具

描述

Scrapy命令行工具用于控制Scrapy，通常被称为“Scrapy工具”。它包括带有一组参数和选项的各种对象的命令。

配置设置

Scrapy 将在scrapy.cfg文件中找到配置设置。以下是一些地点 -

系统中的C:\scrapy(项目文件夹)\scrapy.cfg
~/.config/scrapy.cfg ($XDG_CONFIG_HOME) 和 ~/.scrapy.cfg ($HOME) 用于全局设置
您可以在项目的根目录中找到 scrapy.cfg。

Scrapy 还可以使用以下环境变量进行配置 -

SCRAPY_SETTINGS_MODULE
SCRAPY_PROJECT
SCRAPY_PYTHON_SHELL

Scrapy项目的默认结构

以下结构显示了Scrapy项目的默认文件结构。

scrapy.cfg                - Deploy the configuration file
project_name/             - Name of the project
   _init_.py
   items.py               - It is project's items file
   pipelines.py           - It is project's pipelines file
   settings.py            - It is project's settings file
   spiders                - It is the spiders directory
      _init_.py
      spider_name.py
      . . .

scrapy.cfg文件是项目根目录，其中包含项目名称和项目设置。例如 -

[settings] 
default = [name of the project].settings  

[deploy] 
#url = http://localhost:6800/ 
project = [name of the project]

使用Scrapy工具

Scrapy 工具提供了一些用法和可用命令，如下所示 -

Scrapy X.Y  - no active project 
Usage: 
   scrapy  [options] [arguments] 
Available commands: 
   crawl      It puts spider (handle the URL) to work for crawling data 
   fetch      It fetches the response from the given URL

创建项目

您可以使用以下命令在 Scrapy 中创建项目 -

scrapy startproject project_name

这将创建名为project_name的项目目录。接下来，使用以下命令转到新创建的项目 -

cd  project_name

控制项目

您可以使用 Scrapy 工具控制项目并管理它们，还可以使用以下命令创建新的蜘蛛 -

scrapy genspider mydomain mydomain.com

爬虫等命令必须在Scrapy项目内部使用。在接下来的部分中，您将了解哪些命令必须在 Scrapy 项目中运行。

Scrapy 包含一些内置命令，可用于您的项目。要查看可用命令的列表，请使用以下命令 -

scrapy -h

当您运行以下命令时，Scrapy 将显示可用命令的列表：

fetch - 它使用 Scrapy 下载器获取 URL。
runspider - 它用于运行独立的蜘蛛而不创建项目。
settings - 它指定项目设置值。
shell - 它是给定 URL 的交互式抓取模块。
startproject - 它创建一个新的 Scrapy 项目。
version - 显示 Scrapy 版本。
view - 它使用 Scrapy 下载器获取 URL 并在浏览器中显示内容。

您可以拥有一些与项目相关的命令，如下所示 -

crawl - 用于使用蜘蛛抓取数据。
check - 它检查爬网命令返回的项目。
list - 它显示项目中存在的可用蜘蛛的列表。
edit - 您可以使用编辑器编辑蜘蛛。
parse - 它使用蜘蛛解析给定的 URL。
bench - 用于运行快速基准测试（Benchmark 告诉 Scrapy 每分钟可以抓取多少页面）。

自定义项目命令

您可以在 Scrapy 项目中使用COMMANDS_MODULE设置构建自定义项目命令。它在设置中包含一个默认的空字符串。您可以添加以下自定义命令 -

COMMANDS_MODULE = 'mycmd.commands'

可以使用 setup.py 文件中的 scrapy.commands 部分添加 Scrapy 命令，如下所示 -

from setuptools import setup, find_packages  

setup(name = 'scrapy-module_demo', 
   entry_points = { 
      'scrapy.commands': [ 
         'cmd_demo = my_module.commands:CmdDemo', 
      ], 
   }, 
)

上面的代码在setup.py文件中添加了cmd_demo命令。