10、web爬虫讲解2—Scrapy框架爬虫—Scrapy安装—Scrapy指令

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

image

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。

image

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

image

scrapy check 爬虫文件名称 测试一个爬虫文件是否合规

如：scrapy check pach

 image

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】

【转载自：http://www.lqkweb.com】